20xx年醫(yī)學(xué)專題—人工神經(jīng)元模型介紹(參考版)
2024-11-04 17:28本頁面
【正文】 謝謝,第三十七頁，共三十七頁。是1943年心理學(xué)家McCulloch和數(shù)學(xué)家W.Pitts在分析總結(jié)神經(jīng)元基本特性的基礎(chǔ)上首先提出的MP模型。該輸出為1或0取決于其輸入之和大于或小于內(nèi)部閾值θ。神經(jīng)元本身(běnshēn)是非時(shí)變的，即其突觸時(shí)延和突觸強(qiáng)度均為常數(shù)。ng)總結(jié),人工神經(jīng)元模型。,內(nèi)容(n232。,謝謝(xi232。)到步驟(2)輸入下一對(duì)樣本，周而復(fù)始直到對(duì)所有樣本，感知器的實(shí)際輸出與期望輸出相等。x237。,第三十四頁，共三十七頁。 diǎn)的實(shí)際輸出ojp(t)=sgn[WjT(t)Xp], j=1,2,.,m；,(4)調(diào)整各節(jié)點(diǎn)對(duì)應(yīng)的權(quán)值，Wj(t+1)= Wj(t)+η[djpojp(t)]Xp, j=1, 2,┄,m, 其中η為學(xué)習(xí)率，用于控制調(diào)整速度，太大 會(huì)影響訓(xùn)練的穩(wěn)定性，太小則使訓(xùn)練的收斂(shōuliǎn)速度變慢， 一般取0＜η≤1；,(5)返回到步驟(2)輸入(shūr249。 diǎn)數(shù)）賦予較小的非零隨機(jī)數(shù)；,(2) 輸入樣本對(duì){Xp,dp}，其中Xp=(1,x1p,x2p,┄,xnp)， dp為期望的輸出向量（教師信號(hào)），上標(biāo)p代表 樣本對(duì)的模式序號(hào)，設(shè)樣本集中的樣本總數(shù)為P， 則p=1,2,┄,P；,第三十三頁，共三十七頁。)算法,感知器學(xué)習(xí)規(guī)則(guīz233。,感知器的學(xué)習(xí)(xu233。x237。n)邏輯“與”功能,第三十一頁，共三十七頁。,感知器結(jié)構(gòu),wix1+w2x2 T=0 0.5x1+0.5x20.75=0,例 用感知器實(shí)現(xiàn)(sh237。xi224。,第二十九頁，共三十七頁。它可接受實(shí)數(shù)型信號(hào)，而輸出(shūchū)二值離散量(0,1)。,感知器的功能(gōngn233。x237。,設(shè)定輸入向量X=(x1,x2,x3)T 輸出： 則由方程：w1jx1+w2jx2+w3jx3Tj=0 可以確定三維空間上的一個(gè)分界(fēn ji232。x237。ngmi224。ng),j=1,2,…,m,第二十六頁，共三十七頁。,感知器模型(m243。 單層感知器的結(jié)構(gòu)與功能都非常簡單，但卻是要就其他網(wǎng)絡(luò)的基礎(chǔ)。nsh249。 感知器是一種前饋網(wǎng)絡(luò)，同層內(nèi)無互連，不同層間無反饋，由下層向上層傳遞。x237。,第二十四頁，共三十七頁。 d224。x237。,第二十三頁，共三十七頁。nǐ)過程，過早地把物理量抽象為0和1，會(huì)丟失許多有用信息，因此神經(jīng)計(jì)算應(yīng)當(dāng)將模擬的和數(shù)字的技術(shù)結(jié)合起來。ng),能夠構(gòu)成邏輯與、或、非，就可進(jìn)而組成任意復(fù)雜的邏輯關(guān)系，因此，MP模型是按一定方式組織起來，可以構(gòu)成具有邏輯功能的神經(jīng)網(wǎng)絡(luò)。,MP模型(m243。
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號(hào)-1