neuralnetworksandfuzzysystemschapter-資料下載頁(yè)
【導(dǎo)讀】激勵(lì)－響應(yīng)進(jìn)行了學(xué)習(xí)。矢量X映射到p維矢量Y。若輸入系統(tǒng)就會(huì)得到響應(yīng)，出一個(gè)連續(xù)的函數(shù)。在神經(jīng)網(wǎng)絡(luò)中表現(xiàn)。的改變只是網(wǎng)絡(luò)的演化。時(shí)間后，我們就說(shuō)系統(tǒng)學(xué)會(huì)了。的解釋學(xué)習(xí)是半永久的變化。例如，如果我們通。分，并且可以持續(xù)這種“會(huì)“的狀態(tài)一段時(shí)間。進(jìn)行學(xué)習(xí)，而可能的樣本數(shù)量使無(wú)窮的。從而形成樣本模式的內(nèi)部表達(dá)或模型。子化區(qū)域決策組。夠大的模式空間中定義了個(gè)突觸點(diǎn)。某些數(shù)字性能規(guī)則最優(yōu)。更一般的，量子化矢。未知，只有通過(guò)學(xué)習(xí)來(lái)更精確的估計(jì)。是利用最少限度的信息。處理模式樣本，其計(jì)算復(fù)雜度小，速度快，適用于高速環(huán)境。均方性能的測(cè)度梯度。監(jiān)督器利用分組隸屬度。息來(lái)處理未標(biāo)志的原始數(shù)據(jù)。質(zhì)和神經(jīng)信號(hào)性質(zhì)的信息。而也使得突觸只能獲得局部非常有限的信息。部化限定的共軛或相關(guān)學(xué)習(xí)定律。學(xué)習(xí)定律中只包含神經(jīng)元、突觸和噪聲三項(xiàng)。的性質(zhì)分別加以簡(jiǎn)單介紹。競(jìng)爭(zhēng)可以歸結(jié)為最近鄰模式匹配的問(wèn)題。是一個(gè)度量指示器函數(shù)。
【正文】 ? ?00, 0 , ,nr R n n nx r x r??? ? ? ? ???存 在 一 個(gè) 整 數(shù) 以 使 當(dāng) 時(shí) ，有 下 式 成 立 ：2020/11/29 29 四種收斂方法： 以概率 1收斂： 依概率收斂 ? ? ? ?? ?? ?: l i m 1nnp r R x r x r??? ? ?? ? ? ?? ?? ?: 0 0np r R x r x r ??? ? ? ? ? ?2020/11/29 30 四種收斂方法： 均方收斂 依分布收斂 ? ? 2l i m 0nn E x x?? ??????? ? ? ?l i m nxxn F r F r?? ?2020/11/29 31 四種收斂方法 四者關(guān)系： 以概率 1收斂 均方收斂 依概率收斂 依分布收斂， 上述逆不成立。 ???2020/11/29 32 寬平穩(wěn)隨機(jī)過(guò)程 當(dāng)且僅當(dāng)時(shí)間變化不影響一、二階矩時(shí)，一個(gè)隨機(jī)過(guò)程才是寬平穩(wěn)隨機(jī)過(guò)程， 即 ? ?? ? ? ?ta n,E x t c o n s t tR t t s R s s??????? ? ?2020/11/29 33 噪聲隨機(jī)非監(jiān)督學(xué)習(xí)定律 首先考慮一般的情況 突觸信號(hào)過(guò)程 引理： 引理說(shuō)明：隨機(jī)突觸在平衡態(tài)振動(dòng)，而且至少和驅(qū)動(dòng)的噪聲過(guò)程的振動(dòng)的一樣大，突觸矢量 在每個(gè) t都振動(dòng)，其平均值為一常數(shù)，即圍繞常值 作布朗運(yùn)動(dòng)。 ijijij nMyxfm ?? ),(?22ij ijEm ??? ???jmjEm????ijf2020/11/29 34 隨機(jī)平衡 當(dāng)突觸 停止運(yùn)動(dòng)，確定的 Hebbian學(xué)習(xí)就出現(xiàn)了隨機(jī)平衡 jm0?jm?2020/11/29 35 隨機(jī)競(jìng)爭(zhēng)學(xué)習(xí)定律 隨機(jī)競(jìng)爭(zhēng)學(xué)習(xí)定律 用隨機(jī)競(jìng)爭(zhēng)信號(hào) 調(diào)制隨機(jī)矢量差 ，并加上獨(dú)立高斯白噪聲矢量 來(lái)模型化那些未模型化的效應(yīng) 線性競(jìng)爭(zhēng)學(xué)習(xí)定律 線性競(jìng)爭(zhēng)學(xué)習(xí)定律以 X代替線性信號(hào)矢量 ? ?jjSy? ? jS X m?jn? ? ? ?j j j j jm S y S X m n??? ? ???? ?SX? ?j j j j jm S y X m n??? ? ???2020/11/29 36 離散隨機(jī)差分方程系統(tǒng) 常用競(jìng)爭(zhēng)學(xué)習(xí)算法作為離散隨機(jī)差分方程系統(tǒng) ? ? ? ? ? ?? ? ? ? ? ?? ? ? ?111j j k k j k jj j k k j k jjjm k m k c X m k X Dm k m k c X m k X Dm k m k i j??? ? ? ? ?????? ? ? ? ???? ? ?2020/11/29 37 自組織映射系統(tǒng) Kohonen把下面簡(jiǎn)化的非監(jiān)督隨機(jī)系統(tǒng)稱為自組織映射系統(tǒng) ? ? ? ? ? ?? ? ? ?11j j k k jjjm k m k C X m km k m k i j??? ? ? ???? ? ?
鄂ICP備17016276號(hào)-1