神經(jīng)網(wǎng)絡(luò)模式識別法介紹-wenkub.com
2025-01-05 14:43 本頁面
【正文】 已證明：當(dāng)記憶不同模式類的樣本數(shù)小于網(wǎng)絡(luò)中神經(jīng)元個(gè)數(shù)（或模式向量的維數(shù)）的 ，收斂 于偽樣本的情況才不會發(fā)生。 T21 ],[ nxxx ??Xii xx ?? )0( ni ,2,1 ??若 表示神經(jīng)元 i在 t時(shí)刻的輸出狀態(tài)，則初始值： )(txi?第三步：迭代計(jì)算 至算法收斂。 說明： 定義網(wǎng)絡(luò)的能量函數(shù) ? ?? ?????ninjijij xxwE1 121由某一神經(jīng)元的狀態(tài)的變化量 引起的 E變化量為 ix?Δinjjij xxwE ???? ??Δ)(21Δ10?iiw式中， ， 。 x 1 x 2 x n … … x n 1 … 1x? 2x? 1??nx nx? w ij DHNN： * 每個(gè)模式類有一個(gè)記憶樣本， 是網(wǎng)絡(luò)的 一 個(gè)穩(wěn)定輸出狀態(tài)。 網(wǎng)絡(luò)由 初始狀態(tài) 向穩(wěn)定狀態(tài)演化的過程。 1)(0 ?? t?)(t?第六步：轉(zhuǎn)到第二步。 ????niijij twtxd12)]()([Mj ??1wij(t)： t時(shí)刻輸入層神經(jīng)元 i到輸出層神經(jīng)元 j之間的連接權(quán)。 競爭學(xué)習(xí)算法：由交互作用函數(shù)取代簡單的側(cè)抑制。 設(shè)最大網(wǎng)中第 j個(gè)神經(jīng)元在 t時(shí)刻的輸出為 y(t)，則 3．自組織特征映射神經(jīng)網(wǎng)絡(luò) （ SOM網(wǎng)絡(luò) ） O 交互作用 側(cè)向距離 － － ＋ ＋ 圖 神經(jīng)元之間相互作用與距離的關(guān)系 神經(jīng)網(wǎng)絡(luò)中鄰近的各神經(jīng)元通過側(cè)向交互作用彼此相互競爭，自適應(yīng)地發(fā)展成檢測不同信號的特殊檢測器。 θj ：神經(jīng)元 j的閾值。 wij由第 j類典型樣本的各分量確定。 )(211jinii xxnn ????? 221nxxiniji ?? ??匹配度 = n－輸入樣本與典型樣本之間的漢明距離 xij： 第 j類典型樣本的第 i個(gè)分量； xi ：輸入樣本的第 i個(gè)分量； n：樣本向量的維數(shù)。 與二層前饋網(wǎng)絡(luò)類似； 結(jié)構(gòu)特點(diǎn)： 輸出層具有側(cè)抑制。 改進(jìn)的權(quán)值修正： )]1()([)()1( ?????? twtwytwtw ijijijijij ???—— 收斂快、權(quán)值平滑變化 α：平滑因子， 0α1。 第二步：輸入樣本，指定輸出層各神經(jīng)元的希望輸出值。 1 0 y j j θ j 設(shè)：輸出層中第 k個(gè)神經(jīng)元的實(shí)際輸出為 yk，輸入為 k； 與輸出層相鄰的隱層中任一神經(jīng)元 j的輸出為 yj。 … yM y1 … x1 x2 x n … … … … 輸入層 第一隱層 第二隱層 輸出層 中間層為一層或多層處理單元； 前饋網(wǎng)絡(luò)； 結(jié)構(gòu)： 只允許一層連接權(quán)可調(diào)。 經(jīng)驗(yàn)證明，當(dāng) η隨 k的增加而減小時(shí)，算法一定收斂。 設(shè)第 k次輸入的模式向量為 Xk，與第 j個(gè)神經(jīng)元相連的權(quán)向量為 T)1(21 ],[)( jnjjj k ?? ?W第 j個(gè)神經(jīng)元的實(shí)際輸出為 ])([)( T kjj kfky XW?Mj ??1第四步：修正權(quán)值。 * 感知器采用監(jiān)督學(xué)習(xí)算法得到權(quán)值； * 權(quán)值更新方法： δ學(xué)習(xí)規(guī)則。 T21 ],[ nxxx ??X輸出層第 j個(gè)神經(jīng)元對應(yīng)第 j個(gè)模式類， θj：第 j個(gè)神經(jīng)元的閾值； wij：輸入模式第 i個(gè)分量與 輸出層第 j個(gè)神經(jīng)元間的連接權(quán)。 —— 反饋網(wǎng)絡(luò) 相互連接結(jié)構(gòu) 前饋神經(jīng)網(wǎng)絡(luò) 感知器 感知器（ Perceptron）： F． Rosenblatt于 1957年提出。 dj， yj(t)：第 j個(gè)神經(jīng)元的期望輸出與實(shí)際輸出； xi(t)：第 j個(gè)神經(jīng)元的第 i個(gè)輸入。 實(shí)質(zhì)： 1． Hebb學(xué)習(xí)規(guī)則 典型的權(quán)值修正方法： Hebb學(xué)習(xí)規(guī)則、誤差修正學(xué)習(xí) 如果神經(jīng)網(wǎng)絡(luò)中某一神經(jīng)元與另一直接與其相連
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1