自組織神經(jīng)網(wǎng)絡(luò)模型-展示頁
2025-01-13 16:25本頁面
【正文】 據(jù)需要，也可按照上述過程動態(tài)加入新的模式類別。否則轉(zhuǎn)入權(quán)值調(diào)整階段。則 生成一個新的輸出神經(jīng)元 ，并將其從上至下的連接權(quán)值設(shè)置為輸入向量的各個分量值，輸入神經(jīng)元到它的連接權(quán)值按初始化階段設(shè)置權(quán)值的方法進行設(shè)置。把剛找到的最佳匹配處理單元置上標志，下次選擇較優(yōu)匹配時不予參加，選擇下一較優(yōu)匹配，重復(fù)上述過程。 ? 計算匹配度，也即計算輸出神經(jīng)元的輸出值： ? 其中： oj是輸出神經(jīng)元 j的輸出； xi是輸入神經(jīng)元 i的輸入，取值為 0或者 1。其中： n為輸入神經(jīng)元個數(shù)； m為輸出神經(jīng)元個數(shù)； 為 警戒線 值。其中 i=1,…， n； j=1,…， m。 ? 它主要包含 ART ART2和 ART3幾種模型。第四章 自組織神經(jīng)網(wǎng)絡(luò)模型 內(nèi)容提要 ? 自適應(yīng)諧振理論（ ART） ? 自組織映射神經(jīng)網(wǎng)絡(luò)模型（ SOM） ? 模擬退火算法 ? 應(yīng)用實例分析 第一節(jié) 自適應(yīng)諧振理論 概述 ? 自適應(yīng)諧振理論（簡稱 ART）的目的是為人類的心理和認知活動建立統(tǒng)一的數(shù)學(xué)理論。 ? 自適應(yīng)諧振理論神經(jīng)網(wǎng)絡(luò)模型就是這一理論的核心經(jīng)過發(fā)展而得到的一種對隨機輸入模式進行自穩(wěn)定識別編碼的模型結(jié)構(gòu)。ART1主要用于二值輸入模式， ART2和 ART3 ART神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) ? ART神經(jīng)網(wǎng)絡(luò)模型是一個 兩層神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)，下層為輸入神經(jīng)元，上層為輸出神經(jīng)元，記從上到下神經(jīng)元間連接權(quán)值為 bij，從下到上神經(jīng)元間連接權(quán)值為 fij。 x0 x1 x2 r0 r1 ART神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí) ? 初始化階段 ? 匹配階段 ? 比較和搜索階段 ? 權(quán)值調(diào)整階段 x0 x1 x2 r0 r1 ART神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)過程 ? 初始化階段 ? 對所有的 i， j(i=1,…， n； j=1,…， m)，設(shè)置： ? 置 為 (0,1)區(qū)間內(nèi)的一個值。 11)0(,1)0(??? nfb ijij???x0 x1 x2 r0 r1 ART神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)過程 ? 匹配階段 ? 將一新的樣本向量 X送入輸入神經(jīng)元。 mjxfoniiijj ,....,2,1 1?? ??x0 x1 x2 r0 r1 ART神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)過程 ? 比較搜索階段 ? 選擇一最佳匹配： ? 警戒線檢查： }{m a x* jjjoo ??????niiniiijxxbv11*x0 x1 x2 r0 r1 ART神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)過程 ? 比較搜索階段 ? 若 ，則轉(zhuǎn)向權(quán)值調(diào)整階段； ? 若 ，則重新尋求最佳匹配。 ??v??vx0 x1 x2 r0 r1 ART神
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1