第4章(人工神經(jīng)網(wǎng)絡1-基礎知識)-資料下載頁
2025-08-05 10:50本頁面
【正文】 ? ? ??1( ) x ( , ) ( ) [ 0 , 1 ]1 xf x f xe ?? ? ? ? ? ? ? ??Sigmoid函數(shù)的特點： 第一 、 非線性 、 單調(diào)性 （ 單調(diào)增 ） 第二 、 無限次可微 第三 、 當值很大時 ， 可以近似閾值函數(shù)或符號函數(shù) 第四 、 當值很小時 ， 可以近似線性函數(shù) 神經(jīng)元的動作： ① 求加權和 ② 與閾值比較 ③ 用激發(fā)函數(shù)得到輸出 1( ) ( )nj j i i jiy t f w x ?????公式表示上的簡化 令 w j 0 = θj ， 并記 w j = (wj 0, wj 1, … , wj n)T x = ( 1, x1, … , xn )T 則有 yj = f ( w j Tx ) 注意 ：有些神經(jīng)元可能不包含閾值 圖形表示上的簡化 將神經(jīng)元簡化為圓圈或者實心元 閾值 神經(jīng)網(wǎng)絡 人工神經(jīng)網(wǎng)絡 是由大量處理單元（人工神經(jīng)元）相互連結(jié)組成的非線性、大規(guī)模、自適應的動力系統(tǒng)。它是在現(xiàn)代神經(jīng)科學研究成果的基礎上提出的，試圖通過 模擬大腦神經(jīng)網(wǎng)絡處理、記憶信息的方式 ，設計出一種新的機器使之具有像人腦那樣的信息處理能力 人工神經(jīng)網(wǎng)絡的特點 ① 并行分布處理 神經(jīng)網(wǎng)絡具有高度的并行結(jié)構和并行實現(xiàn)能力，因而具有較好的容錯能力和較快的總體處理能力，所以特別適于 實時和動態(tài)處理 ② 非線性映射 神經(jīng)網(wǎng)絡具有 高度 非線性 映射 （ 變換 ） 能力 ，是 處理非線性問題 的一種有效手段 ③ 學習能力 神經(jīng)網(wǎng)絡通過 樣本 數(shù)據(jù) 完成學習或 訓練。訓練 后的 神經(jīng)網(wǎng)絡具有 推廣或者泛化 能力 （ 對未來數(shù)據(jù)的預測能力 ） 。因此，神經(jīng)網(wǎng)絡能夠解決數(shù)學模型或規(guī)則難以處理的問題 （類似于黑盒子） ④ 適應性與集成性 神經(jīng)網(wǎng)絡 可以用于 在線 處理 ，并能同時進行定量和定性操作。神經(jīng)網(wǎng)絡的強適應和信息融合能力使得它可以同時輸入大量不同的控制信號，解決輸入信息間的互補和冗余問題，并實現(xiàn) 信息集成和融合 處理。 所以，特別 適于復雜、大規(guī)模和多變量系統(tǒng) ⑤ 硬件實現(xiàn) 除了軟件實現(xiàn)外， 神經(jīng)網(wǎng)絡 還用 硬件實現(xiàn) 。 超大規(guī)模集成電路實現(xiàn) 硬件 的面世，使得 神經(jīng)網(wǎng)絡成為具有快速和大規(guī)模處理能力的網(wǎng)絡 本課程介紹的神經(jīng)網(wǎng)絡模型有 ： ? 多層感知器及其 BP訓練算法（ BP網(wǎng)絡） ? Hopfield網(wǎng)絡（ Hopfield網(wǎng)絡 )
公司管理相關推薦
鄂ICP備17016276號-1