[計算機軟件及應(yīng)用]神經(jīng)網(wǎng)絡(luò)第七九章-資料下載頁
2024-10-16 23:17本頁面
【正文】 到了破壞 ， 其后果也可能是災(zāi)難性的 。 第二種方式：是將模糊件原理引入現(xiàn)有的神經(jīng)元網(wǎng)絡(luò) 結(jié)構(gòu)中 ， 這種結(jié)合又可分為以下四種情 形： （ 1)將訓(xùn)練及工作過程中的神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)視為 —種 模糊的類別標(biāo)志； (2)將模糊性原理應(yīng)用到神經(jīng)元網(wǎng)絡(luò)中的每個神經(jīng)元 ， 即改變傳統(tǒng)神經(jīng)元的綜合函數(shù)和傳遞函數(shù)形式 ， 使 得 神經(jīng)元在功能上表現(xiàn)為各種模糊運算操作 ， 例如 模糊交集 、 并集和模糊加權(quán)等等 。 (3)對神經(jīng)元網(wǎng)絡(luò)的輸入數(shù)據(jù)進行模糊化預(yù)處理； (4)將 模糊關(guān)系引入神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu) 。 其基本思想是將 模糊并集 、 交集等運算操作和神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)機 制結(jié)合起來 ， 在神經(jīng)元網(wǎng)絡(luò)中 ， 關(guān)系數(shù)據(jù)的作用遠(yuǎn) 未受到如同特征數(shù)據(jù)那樣的重視 。 最近 ， 模糊形式的 Kohonen網(wǎng)絡(luò)和模糊 ART模型等也巳 相繼出現(xiàn) ， 請查閱有關(guān)文獻 。 第八章 人工神經(jīng)網(wǎng)絡(luò)應(yīng)用 ? 文字識別 印刷體文字識別 、 手寫體文字識別 ? 圖像處理 圖像數(shù)據(jù)壓縮 、 圖像邊緣檢測 、 圖像自動分類 、醫(yī)學(xué)自動診斷 、 目標(biāo)自動識別 、 圖像補正 、 工業(yè)產(chǎn)品檢查 ? 優(yōu)化組合應(yīng)用 ? 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng) ? 神經(jīng)網(wǎng)絡(luò)在智能控制中的應(yīng)用 ? 神經(jīng)網(wǎng)絡(luò)計算機 ? 神經(jīng)網(wǎng)絡(luò)技術(shù)的選取 ? 神經(jīng)網(wǎng)絡(luò)各種模型的應(yīng)用范圍 ? 網(wǎng)絡(luò)設(shè)計的基本原則 第九章 神經(jīng)網(wǎng)絡(luò)的設(shè)計 神經(jīng)網(wǎng)絡(luò)技術(shù)的選取 ? 是否有必要采用神經(jīng)網(wǎng)絡(luò)？ ? 能夠精確求出系統(tǒng)的傳遞函數(shù)； ? 能夠用數(shù)學(xué)表達(dá)式對系統(tǒng)進行描述的系統(tǒng) 應(yīng)采用已有的成熟設(shè)計方案來解決問題。 ? 當(dāng)處理較為復(fù)雜的問題； ? 采用常規(guī)方法無法解決或效果不好的問題 ? 尤其是問題的內(nèi)部規(guī)律不甚了解，不能用精確的數(shù)學(xué)表達(dá)式描述其系統(tǒng)； ? 要求具有容錯的任務(wù)； ? 處理大量數(shù)據(jù)而不能用符號或數(shù)學(xué)方法描述的問題。 嘗試采用人工神經(jīng)網(wǎng)絡(luò)來解決此類問題。 神經(jīng)網(wǎng)絡(luò)各種模型的應(yīng)用范圍 （ 1）函數(shù)逼近及圖像識別 （ 2）聯(lián)想記憶 （ 3）數(shù)據(jù)壓縮 （ 4）自適應(yīng)控制 網(wǎng)絡(luò)設(shè)計的基本原則 ? （ 1） 信息表達(dá)方式 ? （ 2）網(wǎng)絡(luò)模型結(jié)構(gòu) ? （ 3）網(wǎng)絡(luò)參數(shù)選擇 ? （ 4）學(xué)習(xí)訓(xùn)練算法選擇
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1