ch6神經(jīng)網(wǎng)絡在材料科學與工程中的應用-資料下載頁
2024-12-31 03:27本頁面
【正文】 絡是反饋網(wǎng)絡中最簡單且應用廣泛的模型，它具有聯(lián)想記憶（ Content一 Addressible Memory， CAM）的功能，如果將 Lyapunov函數(shù)定義為尋優(yōu)函數(shù)， Hopfie1d神經(jīng)網(wǎng)絡還可以用來解決快速尋優(yōu)問題。 計算機應用多媒體課件 計算機應用多媒體課件 ? 神經(jīng)網(wǎng)絡的學習 ：從環(huán)境中獲取知識并改進自身性能，主要指調(diào)節(jié)網(wǎng)絡參數(shù)使網(wǎng)絡達到某種度量，又稱為 網(wǎng)絡的訓練 ? 學習方式： ? 監(jiān)督學習 ? 非監(jiān)督學習 ? 再勵學習 計算機應用多媒體課件 學習規(guī)則 (learning rule)： ? Hebb學習規(guī)則 ? 兩個神經(jīng)元同時處于激發(fā)狀態(tài)時，它們之間的連接強度將得到加強，這一論述的數(shù)學描述被稱為 Hebb學習規(guī)則 ? Hebb學習規(guī)則是一種無教師的學習方法，它只根據(jù)神經(jīng)元連接間的激活水平改變權(quán)值，因此這種方法又稱為相關學習或并聯(lián)學習。 計算機應用多媒體課件 ? Delta（ δ ）學習規(guī)則 ? δ 規(guī)則實現(xiàn)了 E中的梯度下降，因此使誤差函數(shù)達到最小值。但 δ 學習規(guī)則只適用于線性可分函數(shù)，無法用于多層網(wǎng)絡。 BP網(wǎng)絡的學習算法稱為 BP算法，是在 δ 規(guī)則基礎上發(fā)展起來的，可在多網(wǎng)絡上有效地學習。 計算機應用多媒體課件 ? 概率式學習 ? 從統(tǒng)計力學、分子熱力學和概率論中關于系統(tǒng)穩(wěn)態(tài)能量的標準出發(fā)，進行神經(jīng)網(wǎng)絡學習的方式稱概率式學習。神經(jīng)網(wǎng)絡處于某一狀態(tài)的概率主要取決于在此狀態(tài)下的能量，能量越低，概率越大。同時，此概率還取決于溫度參數(shù) T。T越大，不同狀態(tài)出現(xiàn)概率的差異便越小，較容易跳出能量的局部極小點而到全局的極小點； T越小時，情形正相反。概率式學習的典型代表是 Boltzmann機學習規(guī)則。它是基于模擬退火的統(tǒng)計優(yōu)化方法，因此又稱模擬退火算法。 計算機應用多媒體課件 ? 競爭式學習 ? 競爭式學習屬于無教師學習方式。此種學習方式利用不同層間的神經(jīng)元發(fā)生興奮性聯(lián)接，以及同一層內(nèi)距離很近的神經(jīng)元間發(fā)生同樣的興奮性聯(lián)接，而距離較遠的神經(jīng)元產(chǎn)生抑制性聯(lián)接。在這種聯(lián)接機制中引人竟爭機制的學習方式稱為竟爭式學習。本質(zhì)在于神經(jīng)網(wǎng)絡中高層次神經(jīng)元對低層次神經(jīng)元的輸入模式進行競爭識別。 計算機應用多媒體課件 Ch6 神經(jīng)網(wǎng)絡在材料科學 與工程中的應用 計算機應用多媒體課件 謝謝觀看 /歡迎下載 BY FAITH I MEAN A VISION OF GOOD ONE CHERISHES AND THE ENTHUSIASM THAT PUSHES ONE TO SEEK ITS FULFILLMENT REGARDLESS OF OBSTACLES. BY FAITH I BY FAITH
黨政相關相關推薦
鄂ICP備17016276號-1