常見(jiàn)神經(jīng)網(wǎng)絡(luò)模型ppt課件-文庫(kù)吧資料
2025-01-11 10:17本頁(yè)面
【正文】 21 三、 Hopfield網(wǎng)絡(luò) 常見(jiàn)神經(jīng)網(wǎng)絡(luò)模型 1982年， Hopfield提出了可用作聯(lián)想存儲(chǔ)器的互連網(wǎng)絡(luò)，這個(gè)網(wǎng)絡(luò)稱(chēng)為 Hopfield網(wǎng)絡(luò)模型，也稱(chēng)Hopfield模型。取 09共十個(gè)數(shù)字作為待識(shí)別數(shù)字，每個(gè)數(shù)字取 6個(gè)樣本進(jìn)行訓(xùn)練，共有 60個(gè)訓(xùn)練樣本，另取 10個(gè)樣本作為識(shí)別樣本。 18 二、 BP網(wǎng)絡(luò) 常見(jiàn)神經(jīng)網(wǎng)絡(luò)模型 BP網(wǎng)絡(luò)的學(xué)習(xí)算法： 例： 41 19 二、 BP網(wǎng)絡(luò) 常見(jiàn)神經(jīng)網(wǎng)絡(luò)模型 車(chē)牌數(shù)字識(shí)別 神經(jīng)網(wǎng)絡(luò)對(duì)圖形的旋轉(zhuǎn)、平移敏感，車(chē)牌照數(shù)字的獲取中不可避免的存在這一類(lèi)問(wèn)題，所以要首先對(duì)圖形進(jìn)行處理。誤差信號(hào)按原來(lái)正向傳播的通路反向傳回，并對(duì)每個(gè)隱層的各個(gè)神經(jīng)元的權(quán)系數(shù)進(jìn)行修改，以望誤差信號(hào)趨向最小。 1．輸入信號(hào)正向傳播 輸入的樣本從輸入層經(jīng)過(guò)隱層單元一層一層進(jìn)行處理，通過(guò)所有的隱層之后，則傳向輸出層，每一層神經(jīng)元的狀態(tài)只對(duì)下一層神經(jīng)元的狀態(tài)產(chǎn)生影響。 例：用感知器實(shí)現(xiàn)邏輯函數(shù) X1UX2的真值： X1 0 0 1 1 X2 0 1 0 1 X1UX2 0 1 1 1 12 常見(jiàn)神經(jīng)網(wǎng)絡(luò)模型 一、感知器 以 X1UX2 ＝ 1為 A類(lèi)，以 X1UX2 =0為 B類(lèi)，則有方程組： 01100101000021212121????????????????????????wwwwwwww?????????21120wwww令 W1=1， W2=2， 則有： θ ≤1 取 θ =， 則有：X1+=0 13 常見(jiàn)神經(jīng)網(wǎng)絡(luò)模型 一、感知器 x1 x2 （ 0,0） （ 0,1） （ 1,0） （ 1,1） x1 x2 （ 0,0） （ 0,1） （ 1,0） （ 1,1） 邏輯與 邏輯或 邏輯異或 x1 x2 （ 0,0） （ 0,1） （ 1,0） （ 1,1） x1 x2 （ 0,0） （ 0,1） （ 1,0） （ 1,1） 14 二、 BP網(wǎng)絡(luò) 常見(jiàn)神經(jīng)網(wǎng)絡(luò)模型 1986年， Rumelhart提出了一種利用誤差反向傳播（ Back Propagation ） 訓(xùn)練算法的神經(jīng)網(wǎng)絡(luò)，簡(jiǎn)稱(chēng) BP網(wǎng)絡(luò)，是一種多層前向網(wǎng)絡(luò)，其特征為： 由輸入層、隱含層、輸出層組成；
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1