人工神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用-文庫吧資料
2025-06-01 02:14本頁面
【正文】 分 。 可以驗證用這組權(quán)值和閾值構(gòu)成的 2輸入 MP模型神經(jīng)元能夠完成該邏輯 “ 或 ” 運 算 。 ? ????????0001nnnfA () MP 模型神經(jīng)元 具 有 什 么 特 性 ？ 能完成什么功能 ？ 為了回答這個問題，我們以簡單的邏輯代數(shù)運算為例來說明。 用一數(shù)學(xué)表達(dá)式表示為： 對于 MP模型神經(jīng)元 ， 權(quán)值 w在 （ － 1， ＋ 1） 區(qū)間連續(xù)取值 。 如果 n ＞ 0， 即神經(jīng)元輸入加權(quán)總和超過某個閾值 ， 那么該神經(jīng)元興奮 ， 狀態(tài)為 1；如果 n ≤0， 那么該神經(jīng)元受到抑制 ， 狀態(tài)為 0。 MP神經(jīng)元模型是典型的閾值型神經(jīng)元 ， 見圖 ， 它相當(dāng)于一個多輸入單輸出的閾值器件 。 ? 上述問題的存在，制約了人工神經(jīng)網(wǎng)絡(luò)研究的發(fā)展。 人工神經(jīng)網(wǎng)絡(luò)的局限性 ? 人工神經(jīng)網(wǎng)絡(luò)是一個新興學(xué)科，因此還存在許多問題。 人工神經(jīng)網(wǎng)絡(luò)的分類 ? 目前，已有的人工神經(jīng)網(wǎng)絡(luò)模型至少有幾十種，其分類方法也有多種。在人工神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元之間互連的方式稱為連接模式或連接模型。 ? 基于對人類生物系統(tǒng)的這一認(rèn)識，人們也試圖通過對人工神經(jīng)元的廣泛互連來模擬生物神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能。盡管人類神經(jīng)系統(tǒng)規(guī)模宏大、結(jié)構(gòu)復(fù)雜、功能神奇，但其最基本的處理單元卻只有神經(jīng)元。 下面是幾種常用的激活函數(shù)： （ l）閥值型（硬限制型） 具有此激活函數(shù)的神經(jīng)元的輸入 /輸出關(guān)系為： (a) 沒有偏差的閾值型激活函數(shù) (b) 帶有偏差的閾值型激活函數(shù) 圖 7. 3 閾值型激活函數(shù) ? ??????????????0001bPWbPWbPWfA () （ 2）線性型 具有此激活函數(shù)的神經(jīng)元的輸入 /輸出關(guān)系為： (a) 沒有偏差的線性激活函數(shù) (b) 帶有偏差的線性激活函數(shù) 圖 7. 4 線性型激活函數(shù) A = f (W *P + b ) = W * P + b ( ) （ 3） S型 (Sigmoid) 對數(shù) S型激活函數(shù) 見圖 (a)，其神經(jīng)元的輸入 /輸出關(guān)系為： (a) 帶有偏差的對數(shù) S型激活函數(shù) (b) 帶有偏差的雙曲正切 S型激活函數(shù) 圖 7. 5 S型激活函數(shù) ? ? ? ?? ?bnnf ???? e xp1 1() （ 3） S型 (Sigmoid) 雙曲正切 S型激活函數(shù) 見圖 (b)，其神經(jīng)元的輸入 /輸出關(guān)系為： (a) 帶有偏差的對數(shù) S型激活函數(shù) (b) 帶有偏差的雙曲正切 S型激活函數(shù) 圖 7. 5 S型激活函數(shù) () ? ? ? ?? ?? ?? ?bnbnnf???????2e xp12e xp1 一般地，稱一個神經(jīng)網(wǎng)絡(luò)是線性或非線性是由網(wǎng)絡(luò)神經(jīng)元中所具有的激活函數(shù)的線性或非線性來決定的。 神經(jīng)網(wǎng)絡(luò)解決問題的能力與功效除了與網(wǎng)絡(luò)結(jié)構(gòu)有關(guān)外 ， 在很大程度上取決于網(wǎng)絡(luò)激活函數(shù) 。 在網(wǎng)絡(luò)的設(shè)計中，偏差起著重要的作用，它使得激活函數(shù)的圖形可以左右移動，從而增加了解決問題的可能性。 神經(jīng)元的輸出矢量可以表示為： A = f ( W*P + b ) = f (∑ wj pj + b ) ( ) 可以看出偏差被簡單地加在 W*P上作為激活函數(shù)的另一個輸入分量。 7. 2 人工神經(jīng)網(wǎng)絡(luò)的模型 7. 2. 1 人工神經(jīng)元的模型 神經(jīng)元是人工神經(jīng)網(wǎng)絡(luò)的基本處理單元 ，它一般是一個 多輸入 /單輸出的非線性元件 。 ? 在人工神經(jīng)網(wǎng)絡(luò)中，改變信息處理及能力的過程，就是修改網(wǎng)絡(luò)權(quán)值的過程。 ? (6) 自組織和自學(xué)習(xí)功能 ? 人腦能夠通過內(nèi)部自組織、自學(xué)習(xí)能力不斷適應(yīng)外界環(huán)境，從而可以有效地處理各種模擬的、模糊的或隨機的問題。善于將不同領(lǐng)域的知識結(jié)合起來靈活運用，善于概括、類比和推理。例如，我們往往能夠僅由某個人的一雙眼睛、一個背影、一個動作或一句話的音調(diào)，就能辨認(rèn)出來這個人是誰。 ? (4) 容錯功能 ? 容錯性是指根據(jù)不完全的、有錯誤的信息仍能做出正確、完整結(jié)論的能力?？梢?，在大腦中，不僅知識的存儲是分散的，而且其控制和決策也是分散的。 人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)與特征 ? (3) 分布式功能 ? 人們通過對腦損壞病人所做的神經(jīng)心理學(xué)研究，沒有發(fā)現(xiàn)大腦中的哪一部分可以決定其余所有各部分的活動，也沒有發(fā)現(xiàn)在大腦中存在有用于驅(qū)動和管理整個智能處理過程的任何中央控制部分。如何計算如此復(fù)雜的方程組？）提供了非常巨大的存儲容量和并行度。尤其是當(dāng)一部分神經(jīng)元受到損壞（
外語相關(guān)推薦
鄂ICP備17016276號-1