人工神經(jīng)網(wǎng)絡(luò)建模artificialneuronnets(2)-文庫吧資料
2025-01-10 04:52本頁面
【正文】 2231122uajajwuj???? ??（ 3）計算 xexf ??? 11)(因為 所以 （ 4）取 （或其他正數(shù)，可調(diào)整大?。? 計算 239。 為閾值 )2()2()2,2()1()1,2()2()1()2()2,1()1()1,1()1(101011101011????????awawuawawu))1(()1( 11 ufa ? ))2(()2(11 ufa ?? 其中， 為閾值， 為激勵函數(shù) 1)3(0 ??a若令 （閾值作為固定輸入神經(jīng)元相應(yīng)的權(quán)系數(shù)） 則有： （作為一固定輸入） i? fjjw ??)3,(1 2,1?j? 取激勵函數(shù)為 ????????????3101010101131010101011)(),2()3()3,2()2()2,2()1()1,2()2()(),1()3()3,1()2()2,1()1()1,1()1(jjjajwawawawujajwawawawuxexf ??? 11)(? 則 ))(()( 11 iufia ?= ?則 ? 同樣，取 ))(e x p (111 iu??2,1?i,1)3(1 ??a ??)3,1(2w))1(e x p (11)1()(),1()1(2231122uajajwuj???? ??令 p=0 ? 具體算法如下： （ 1）隨機(jī)給出兩個權(quán)矩陣的初值；例如用 MATLAB軟件時可以用以下語句： )0(1W)0(2W=rand(2,3)。 ? 建模： （ 輸入層 ， 中間層 ， 輸出層 ， 每層的元素應(yīng)取多少個 ？ ） ? 建立神經(jīng)網(wǎng)絡(luò) ? 規(guī)定目標(biāo)為： 當(dāng) t(1)= 時表示屬于 Apf類 ，t(2)= Af類 。 j=1, 2。)()()( iufiaiti pLpLppL ???（ 12） （ 11） ???????11)1(1)(1)(39。 神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型 ? 眾多神經(jīng)元之間組合形成神經(jīng)網(wǎng)絡(luò)，例如下圖的含有中間層（隱層）的 BP網(wǎng)絡(luò) ? 圖 5 帶中間層的 BP網(wǎng)絡(luò) 量變引起質(zhì)變 神經(jīng)網(wǎng)絡(luò)的作用 ? （ 1）螞蟻群 ? 一個螞蟻有 50個神經(jīng)元 ， 單獨的一個螞蟻不能做太多的事；甚至于不能很好活下去 ． 但是一窩螞蟻；設(shè)有 10萬個體 ， 那么這個群體相當(dāng)于 500萬個神經(jīng)元（ 當(dāng)然不是簡單相加 ， 這里只為說明方便而言 ） ；那么它們可以覓食 、 搬家 、 圍攻敵人等等 ． （ 2）網(wǎng)絡(luò)說話 ? 人們把一本教科書用網(wǎng)絡(luò)把它讀出來 （ 當(dāng)然需要通過光電 ， 電聲的信號轉(zhuǎn)換 ） ；開始網(wǎng)絡(luò)說的話像嬰兒學(xué)語那樣發(fā)出 “ 巴 、 巴 、 巴 ” 的聲響；但經(jīng)過 B－ P算法長時間的訓(xùn)練竟能正確讀出英語課本中 90％ 的詞匯 ． ? 從此用神經(jīng)網(wǎng)絡(luò)來識別語言和圖象形成一個新的熱潮 ． 人工神經(jīng)網(wǎng)絡(luò)的基本特點 ? （ 1）可處理非線性 ? （ 2）并行結(jié)構(gòu)．對神經(jīng)網(wǎng)絡(luò)中的每一個神經(jīng)元來說；其運算都是同樣的．這樣的結(jié)構(gòu)最便于計算機(jī)并行處理． ? （ 3） 具有學(xué)習(xí)和記憶能力 ． 一個神經(jīng)網(wǎng)絡(luò)可以通過訓(xùn)練學(xué)習(xí)判別事物；學(xué)習(xí)某一種規(guī)律或規(guī)則 ． 神經(jīng)網(wǎng)絡(luò)可以用于聯(lián)想記憶 ． ? （ 4） 對數(shù)據(jù)的可容性大 ． 在神經(jīng)網(wǎng)絡(luò)中可以同時使用量化數(shù)據(jù)和質(zhì)量數(shù)據(jù) （ 如好 、 中 、 差 、 及格 、 不及格等 ） ． ? （ 5） 神經(jīng)網(wǎng)絡(luò)可以用大規(guī)模集成電路來實現(xiàn) ． 如美國用 256個神經(jīng)元組成的神經(jīng)網(wǎng)絡(luò)組成硬件用于識別手寫體的郵政編碼 ． 四、反向傳播算法（ BP算法） ? Back propagation algorithm ? 算法的目的：根據(jù)實際的輸入與輸出數(shù)據(jù) ，計算模型的參數(shù) （ 權(quán)系數(shù) ） ? 1． 簡單網(wǎng)絡(luò)的 BP算法 ? 圖 6 簡單網(wǎng)絡(luò) ? 假設(shè)有 P個訓(xùn)練樣本 ， 即有 P個 輸入輸出對 ? （ Ip, Tp） ,p=1,… ,P, ? ? 其中輸入向量為 , ? 目標(biāo)輸出向量為 （ 實際上的 ） Tpmpp iiI ), .. . ,( 1?Tpnpp ttT ), .. . ,( 1?? 網(wǎng)絡(luò)輸出向量為 （理論上的） Tpnpp ooO ), .. .,( 1?? 記 wij為從輸入向量的第 j (j=1,… ,m) 個分量到輸出向量的第 i (i=1,… ,n)個分量的權(quán)重 。 二、神經(jīng)元與神經(jīng)網(wǎng)絡(luò) ? 大腦可視作為 1000多億神經(jīng)元組成的神經(jīng)網(wǎng)絡(luò) ? 神經(jīng)元的解剖圖 ? 圖 3
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1