20xx年醫(yī)學(xué)專(zhuān)題—人工神經(jīng)網(wǎng)絡(luò)(編輯修改稿)
2024-11-04 17:28 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 的最重要特征之一。神經(jīng)網(wǎng)絡(luò)能夠通過(guò)學(xué)習(xí),改變其內(nèi)部狀態(tài),使輸入—輸出呈現(xiàn)出某種規(guī)律性。 網(wǎng)絡(luò)學(xué)習(xí)一般是利用一組稱(chēng)為樣本的數(shù)據(jù),作為網(wǎng)絡(luò)的輸入(和輸出),網(wǎng)絡(luò)按照一定的訓(xùn)練規(guī)則(又稱(chēng)學(xué)習(xí)規(guī)則或?qū)W習(xí)算法)自動(dòng)調(diào)節(jié)神經(jīng)元之間的連接強(qiáng)度或拓?fù)浣Y(jié)構(gòu),當(dāng)網(wǎng)絡(luò)的實(shí)際(sh237。j236。)輸出滿(mǎn)足期望的要求,或者趨于穩(wěn)定時(shí),則認(rèn)為學(xué)習(xí)成功。,34/65,第三十四頁(yè)，共八十七頁(yè)。,神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)(xu233。x237。),1.學(xué)習(xí)規(guī)則 權(quán)值修正學(xué)派(xu233。p224。i)認(rèn)為：神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程就是不斷調(diào)整網(wǎng)絡(luò)的連接權(quán)值，以獲得期望的輸出的過(guò)程。所以，學(xué)習(xí)規(guī)則就是權(quán)值修正規(guī)則。 2.學(xué)習(xí)方法分類(lèi) 從不同角度考慮，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法有不同的分類(lèi)。表9.1列出了常見(jiàn)的幾種分類(lèi)情況。,35/65,第三十五頁(yè)，共八十七頁(yè)。,神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)(xu233。x237。),36/65,表1 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法的常見(jiàn)(ch225。nɡ ji224。n)分類(lèi),第三十六頁(yè)，共八十七頁(yè)。,37/65,ANN 人工神經(jīng)網(wǎng)絡(luò),概述 基本原理 前向型神經(jīng)網(wǎng)絡(luò) BP神經(jīng)網(wǎng)絡(luò) 自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)的應(yīng)用(y236。ngy242。ng) 與人工智能原理的結(jié)合,第三十七頁(yè)，共八十七頁(yè)。,38/65,前向型神經(jīng)網(wǎng)絡(luò),概述 最初稱(chēng)之為感知器。應(yīng)用最廣泛的一種人工神經(jīng)網(wǎng)絡(luò)模型，最要原因是有BP學(xué)習(xí)方法。 前向網(wǎng)絡(luò)結(jié)構(gòu)是分層的，信息只能從下一層單元傳遞到相應(yīng)的上一層單元。上層單元與下層所有單元相聯(lián)接 特性函數(shù)可以(kěyǐ)是線性閾值的。,第三十八頁(yè)，共八十七頁(yè)。,39/65,前向型神經(jīng)網(wǎng)絡(luò),單層感知器,第三十九頁(yè)，共八十七頁(yè)。,40/65,前向型神經(jīng)網(wǎng)絡(luò),基本原理和結(jié)構(gòu)極其簡(jiǎn)單 在實(shí)際應(yīng)用中很少出現(xiàn) 采用階躍函數(shù)作為特性函數(shù) ２維空間可以明顯表現(xiàn)(biǎoxi224。n)其分類(lèi)功能，但Minsky等揭示的致命弱點(diǎn)也一目了然。 關(guān)鍵是學(xué)習(xí)算法及網(wǎng)絡(luò)設(shè)計(jì)方法 輸出yi等于：,(1),其中,第四十頁(yè)，共八十七頁(yè)。,41/65,前向型神經(jīng)網(wǎng)絡(luò)－單層感知器,分類(lèi)方法： 如果輸入x有k個(gè)樣本(y224。ngběn)，xp, p=1, 2, …, k, x?Rn 當(dāng)將這些樣本分別輸入到單輸出的感知器中，在一定的和下，輸出有兩種可能+1或1。 把樣本xp看作為在n維狀態(tài)空間中的一個(gè)矢量，則k個(gè)樣本為輸入空間的k個(gè)矢量 前向神經(jīng)網(wǎng)絡(luò)就是將n維空間分為SA、SB兩個(gè)子空間，其分界線為n1維的超平面。即用一個(gè)單輸出的感知器通過(guò)調(diào)整參數(shù)及來(lái)達(dá)到k個(gè)樣本的正確劃分。,第四十一頁(yè)，共八十七頁(yè)。,42/65,前向型神經(jīng)網(wǎng)－單層感知器,則存在一組權(quán)值wij使得(shǐ de)公式(1)滿(mǎn)足:,稱(chēng)樣本(y224。ngběn)集為線性可分的，否則為線性不可分的。,第四十二頁(yè)，共八十七頁(yè)。,43/65,前向型神經(jīng)網(wǎng)－單層感知器,如：2維空間,希望找到一根直線(zh237。xi224。n)，把A, B兩類(lèi)樣本分開(kāi)，其分界線為:,解有無(wú)數(shù)個(gè)。,單層感知器只能解決線性可分類(lèi)(fēn l232。i)的樣本的分類(lèi)問(wèn)題。 如樣本不能用一個(gè)超平面分開(kāi)，就會(huì)產(chǎn)生當(dāng)年Minsky等提出的不可分問(wèn)題 如：異或問(wèn)題。,第四十三頁(yè)，共八十七頁(yè)。,44/65,二維輸入感知器及其在狀態(tài)空間(kōngjiān)中的劃分,第四十四頁(yè)，共八十七頁(yè)。,45/65,前向型神經(jīng)網(wǎng)絡(luò)－多層感知器,多層感知器 多層感知器的輸入輸出關(guān)系(guān x236。)與單層感知器完全相同。前一層的輸出是下一層的輸入。也被稱(chēng)為BP網(wǎng)絡(luò)。,第四十五頁(yè)，共八十七頁(yè)。,46/65,前向型神經(jīng)網(wǎng)絡(luò)－多層感知器,多層感知器 采用BP算法學(xué)習(xí)時(shí)要求傳遞函數(shù)為有界連續(xù)可微函數(shù)如sigmoid函數(shù)。因此，網(wǎng)絡(luò)可以用一個(gè)連續(xù)的超曲面（而不僅僅是一個(gè)超平面）來(lái)完成劃分輸入樣本空間的功能(gōngn233。ng)。 先求誤差，用梯度下降的方法求誤差的傳遞。從后往前算。,第四十六頁(yè)，共八十七頁(yè)。,47/65,第四十七頁(yè)，共八十七頁(yè)。,48/65,前向型神經(jīng)網(wǎng)絡(luò)－多層感知器,多層感知器 n層網(wǎng)絡(luò)可以以n1個(gè)超曲面構(gòu)成一個(gè)符合曲面，彌補(bǔ)單層感知器的缺陷。 基于BP算法，依據(jù)大量樣本通過(guò)逐步調(diào)整神經(jīng)元之間的聯(lián)接權(quán)重來(lái)構(gòu)造網(wǎng)絡(luò)。 理論上，多層前饋網(wǎng)絡(luò)在不考慮結(jié)果規(guī)模的前提下，可以模擬任意(r232。ny236。)的輸出函數(shù)。,第四十八頁(yè)，共八十七頁(yè)。,49/65,前向型神經(jīng)網(wǎng)絡(luò)－多層感知器,特點(diǎn)： 用非線性連續(xù)可微函數(shù)分類(lèi)，結(jié)果為一種(yī zhǒnɡ)模糊概念。 當(dāng)輸出f(u)0時(shí)，其輸出不一定為１，而是一個(gè)0.5(有時(shí)只是0)的值，表示所得到的概率為多少。 應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。,第四十九頁(yè)，共八十七頁(yè)。,50/65,ANN 人工神經(jīng)網(wǎng)絡(luò),概述 基本原理 前向型神經(jīng)網(wǎng)絡(luò) BP神經(jīng)網(wǎng)絡(luò) 自組織競(jìng)爭(zhēng)(j236。ngzhēng)神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)的應(yīng)用 與人工智能原理的結(jié)合,第五十頁(yè)，共八十七頁(yè)。,BP 神經(jīng)網(wǎng)絡(luò),51/65,BP(BackPropagation)網(wǎng)絡(luò)即誤差反向傳播網(wǎng)絡(luò)是應(yīng)用(y236。ngy242。ng)最廣泛的一種神經(jīng)網(wǎng)絡(luò)模型。 (1)BP網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)為分層前向網(wǎng)絡(luò)； (2)神經(jīng)元的特性函數(shù)為Sigmoid型(S型)函數(shù)，一般取為,(3)輸入為連續(xù)信號(hào)量（實(shí)數(shù)）； (4)學(xué)習(xí)方式(fāngsh236。)為有導(dǎo)師學(xué)習(xí)； (5)學(xué)習(xí)算法為推廣的δ學(xué)習(xí)規(guī)則，稱(chēng)為誤差反向傳播算法，簡(jiǎn)稱(chēng)BP學(xué)習(xí)算法。,第五十一頁(yè)，共八十七頁(yè)。,52/65,BP 神經(jīng)網(wǎng)絡(luò),BP算法的基本思想： 正向傳播過(guò)程中，輸入信號(hào)從輸入層經(jīng)隱單元層傳向輸出層，每一層的神經(jīng)元狀態(tài)只會(huì)影響到下一層神經(jīng)元的輸入，如果在輸出
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1