我的人工神經(jīng)網(wǎng)絡-2基礎-資料下載頁
2025-05-26 12:02本頁面
【正文】 形式： 1 if θ f（ ） = 0 if ≤ θ 雙極形式： 1 if θ f（ ） = 1 if ≤ θ 閾值函數(shù)（ Threshold Function）階躍函數(shù) β γ θ o 0 S形函數(shù) 壓縮函數(shù) （ Squashing Function） 和邏輯斯特函數(shù) （ Logistic Function） 。 f（ ） =a+b/(1+exp(d*)) a， b， d為常數(shù) 。 它的飽和值為 a和 a+b。 最簡單形式為： f（ ） = 1/(1+exp(d*)) 函數(shù)的飽和值為 0和 1。 ? S形函數(shù)有較好的增益控制 S形函數(shù) a+b o (0,c) a c=a+b/2 ? 這三個點正處在兩個區(qū)間的中間 ， 數(shù)學方程式無法判斷 。 為此用人工神經(jīng)網(wǎng)絡判斷 。 輸入信號為 x ， y。 但要求取值都在 0， 1之間 。 由于 x， y均在 ~， 所有數(shù)都減去 ， 歸一化就完成了 。 ? 處理的基本思路是：自 15個已知樣品中找出規(guī)律 ，將此規(guī)律用于處理三個未確認的樣本 。 ? 解決實際問題時要根據(jù)具體情況確定隱含層的層數(shù)和輸入層、隱含層、輸出層各自的結點數(shù)，以使構成的網(wǎng)絡達到最優(yōu)效果。本例中，隱含層取 1，輸入結點數(shù)為 2，分別代表觸角與翼長；中間隱含層的結點數(shù)取 3個就夠了。輸出的結點數(shù)取 2，設 Af樣品的輸出是（ 1， 0）； Apf的輸出是（ 0， 1）時為理想輸出。由 15個已知樣品進行訓練，選出合適的權值。對于任一未知樣品，輸出元后，和靠近（ 1， 0）還是靠近（ 0， 1）對比，就可以判斷其歸屬了。 輸入信號為 ， Af樣品的輸出是（ 1， 0）； Apf的輸出是（ 0， 1）學習 ,檢驗 ,預測 ? 結構 McCullochPitts輸出 函數(shù)定義為： McCullochPitts神經(jīng)元 Input signal Synaptic weights Summing function Activation function Output y x1 x2 xn w2 wn w1 ? ?? )(?fθ ?????????? ??0x0,0x1,s g n ( x )其中，)θxws g n (θ)f ( zyn1iii總結 MP模型 總結 ? 介紹了神經(jīng)網(wǎng)絡的簡單最最基本的原理和實例原理。 習 題 來解決哪些方面的問題？ 元哪六個基本特性？ 3. 圖解 MP模型。 Hebb學習規(guī)則的基本思想。
環(huán)評公示相關推薦
鄂ICP備17016276號-1