20xx年醫(yī)學專題—人工神經網(wǎng)絡-資料下載頁
2024-11-04 17:28本頁面
【正文】 出狀態(tài)。 具有前一種活動方式的神經網(wǎng)絡，稱為確定性網(wǎng)絡。已有的大部分神經網(wǎng)絡模型均屬此類。而后一種活動方式的神經網(wǎng)絡，稱為隨機性網(wǎng)絡。隨機性網(wǎng)絡的典型例子有：波爾茨曼機、柯西機和高斯機等。,72/65,第七十二頁，共八十七頁。,73/65,ANN 人工神經網(wǎng)絡,概述 基本原理 前向型神經網(wǎng)絡 自組織競爭神經網(wǎng)絡 神經網(wǎng)絡的應用 與人工智能原理(yu225。nlǐ)的結合 BP神經網(wǎng)絡,第七十三頁，共八十七頁。,74/65,自組織(zǔzhī)競爭神經網(wǎng)絡,概述 在實際的神經網(wǎng)絡中，存在一種側抑制的現(xiàn)象。即一個細胞興奮后，通過它的分支會對周圍其他神經細胞(sh233。n jīnɡ x236。 bāo)產生抑制。這種側抑制在脊髓和海馬中存在，在人眼的視網(wǎng)膜中也存在。,第七十四頁，共八十七頁。,75/65,自組織(zǔzhī)競爭神經網(wǎng)絡,概述 這種抑制使神經細胞之間出現(xiàn)競爭，一個(yī ɡ232。)興奮最強的神經細胞對周圍神經細胞的抑制也強。雖然一開始各個神經細胞都處于興奮狀態(tài)，但最后是那個輸出最大的神經細胞“贏”，而其周圍的神經細胞“輸”了。 勝者為王。小貓,第七十五頁，共八十七頁。,76/65,自組織(zǔzhī)競爭神經網(wǎng)絡,概述 自組織競爭神經網(wǎng)絡是在 “無師自通”的現(xiàn)象的基礎上生成(shēnɡ ch233。nɡ)的。 人類等生物的生長過程。,第七十六頁，共八十七頁。,77/65,自組織(zǔzhī)競爭神經網(wǎng)絡,結構： 層內細胞之間互聯(lián)，在各個神經細胞(sh233。n jīnɡ x236。 bāo)中加入自反饋，相互作用，輸出y為 ：,系統(tǒng)(x236。tǒng)穩(wěn)定時“勝者為王”。此時贏者的權向量與輸入向量的歐氏距離最小。此距離為 ：,第七十七頁，共八十七頁。,78/65,自組織(zǔzhī)競爭神經網(wǎng)絡,自組織映射模型 自組織映射模型是由Kohonen提出來的。模型是以實際神經細胞中的一種特征敏感的細胞為模型的。各個細胞分別對各種輸入敏感，可以代表各種輸入，反映各種輸入樣本的特征。如果在二維空間上描述這些細胞，則，功能相近的細胞聚在一起，靠得比較近。功能不同的離得比較遠。 網(wǎng)絡形成過程： 開始是無序的，當輸入樣本出現(xiàn)后各個細胞反映不同，強者依照“勝者為王”的原則，加強自己的同時對周圍細胞進行壓抑。使其對該種樣本更加敏感，也同時對其他(q237。tā)種類的樣本更加不敏感。此過程的反復過程中，各種不同輸入樣本將會分別映射到不同的細胞上。,第七十八頁，共八十七頁。,79/65,Kohonen網(wǎng)絡(wǎnglu242。)的結構,第七十九頁，共八十七頁。,80/65,Nc(t)的形狀(x237。ngzhu224。n)和變化情況,第八十頁，共八十七頁。,81/65,自組織(zǔzhī)競爭神經網(wǎng)絡,特點： 網(wǎng)絡中的權值是輸入樣本的記憶。如果輸出神經元j與輸入n個神經元之間的聯(lián)接(li225。n jiē)用wj表示，對應其一類樣本x輸入，使yj達到匹配最大。那么wj通過學習后十分靠近x，因此，以后當x再次輸入時，yj這個神經元必定會興奮，yj是x的代表。 .….,第八十一頁，共八十七頁。,82/65,自組織(zǔzhī)競爭神經網(wǎng)絡,…. 網(wǎng)絡學習時對權的調整不只是對興奮的那個細胞所對應的權進行，而對其周圍Nc區(qū)域內的神經元同時進行調整。因此，對于在Nc內的神經元可以代表不只是一個樣本x，而是與x比較相近的樣本都可以在Nc內得到反映。因此，這種網(wǎng)絡對于樣本的畸變和噪聲的容差大。（調整區(qū)域函數(shù)(h225。nsh249。)有。） 各種函數(shù)(h225。nsh249。) 網(wǎng)絡學習的結果是：比較相近的輸入樣本在輸出平面上映射的位置也比較接近。具有自然聚類的效果。,第八十二頁，共八十七頁。,83/65,ANN 人工神經網(wǎng)絡,概述 基本原理 前饋型人工(r233。ngōng)神經元網(wǎng)絡 BP神經網(wǎng)絡 自組織競爭人工神經網(wǎng)絡 神經網(wǎng)絡的應用 與人工智能原理的結合,第八十三頁，共八十七頁。,84/65,神經網(wǎng)絡的應用(y236。ngy242。ng),ANN是一門(yī m233。n)交叉學科，涉及心理學、生理學、生物學、醫(yī)學、數(shù)學、物理學、計算機科學等 應用幾乎遍及自然科學的各個領域 應用最多的是模式識別、通訊、控制、信號處理等方面。,第八十四頁，共八十七頁。,85/65,神經網(wǎng)絡的應用(y236。ngy242。ng),在模式識別中的基本步驟： 根據(jù)應用背景(b232。ijǐng)選擇網(wǎng)絡結構 數(shù)據(jù)預處理、構造訓練集 選擇適合的訓練函數(shù)，訓練ANN 輸入未知樣本進行識別,第八十五頁，共八十七頁。,86/65,與人工智能(r233。n ɡōnɡ zh236。 n233。nɡ)原理的結合,神經網(wǎng)絡存在的問題： 網(wǎng)絡結構大不宜實現(xiàn) 學習時間長效率低等 提出的改進方案： 利用不完善的領域理論和帶有噪聲的數(shù)據(jù)進行解釋學習，產生一種近似正確(zh232。ngqu232。)的解釋結構（規(guī)則樹）。 利用該規(guī)則樹構造初始神經網(wǎng)絡，而后進行BP算法的訓練，達到減少訓練時間的目的。 其他方案……,第八十六頁，共八十七頁。,內容(n232。ir243。ng)總結,1。計算機速度為納秒級，人腦細胞反應時間是毫秒級。人工智能專家系統(tǒng)是制造一個專家，幾十年難以培養(yǎng)的專家。每一條神經末梢可以與其他神經元形成功能性接觸,該接觸部位稱為突觸。實現(xiàn)模式完善、恢復，相關模式的相互回憶等。優(yōu)化計算和組合優(yōu)化問題求解。所以，學習規(guī)則就是權值修正規(guī)則。前向神經網(wǎng)絡就是將n維空間分為SA、SB兩個(liǎnɡ ɡ232。)子空間，其分界線為n1維的超平面。其他方案,第八十七頁，共八十七頁。
畢業(yè)設計相關推薦
鄂ICP備17016276號-1