bp神經(jīng)網(wǎng)絡(luò)方法ppt課件-展示頁
2025-01-14 03:16本頁面
【正文】 》 (Perceptions)一書出版，指出局限性 。 形式神經(jīng)元的數(shù)學(xué)模型提出。 (2) 很強(qiáng)的自適應(yīng)學(xué)習(xí)能力； (3) 可將識別和若干預(yù)處理融為一體進(jìn)行； (4) 并行工作方式； (5) 對信息采用分布式記憶，具有魯棒性。 * 單元間的廣泛連接； * 并行分布式的信息存貯與處理； * 自適應(yīng)的學(xué)習(xí)能力等。 人工神經(jīng)網(wǎng)絡(luò)發(fā)展概況 人工神經(jīng)網(wǎng)絡(luò) (Artificial Neural Networks， ANN)： 簡稱神經(jīng)網(wǎng)絡(luò)。 模擬人腦神經(jīng)細(xì)胞的工作特點(diǎn)： 與目前按串行安排程序指令的計(jì)算機(jī)結(jié)構(gòu)截然不同。 優(yōu)點(diǎn)： (1) 較強(qiáng)的容錯(cuò)性 。 四個(gè)發(fā)展階段： 第一階段：啟蒙期，始于 1943年。 第二階段：低潮期，始于 1969年。 第三階段：復(fù)興期，從 1982年到 1986年。 第四個(gè)階段： 1987年至今，趨于平穩(wěn)。 神經(jīng)網(wǎng)絡(luò)基本概念 生物神經(jīng)元 1．生物神經(jīng)元的結(jié)構(gòu) 來自其它 神經(jīng)元軸突 的 神經(jīng)末梢 細(xì)胞體 軸突 細(xì)胞核 樹突 神經(jīng)末梢 突觸 細(xì)胞體、樹突、軸突和突觸。 抑制狀態(tài)的神經(jīng)元 由樹突和細(xì)胞體 接收傳來的興奮電位 不應(yīng)期 產(chǎn)生輸出脈沖 輸入興奮總 量超過閾值 神經(jīng)元被激發(fā) 進(jìn)入興奮狀態(tài) 由突觸傳遞給其它神經(jīng)元 人工神經(jīng)元及神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)元：生物神經(jīng)元的簡化模擬。 x 1 x 2 x n w 1 w 2 w n ┇ ∑ f y ? ┇ 圖 人工神經(jīng)元模型 接收的信息 (其它神經(jīng)元的輸出 ) 互連強(qiáng)度 作比較 的 閾值 n維輸入向量 X 輸出 輸出函數(shù) 神經(jīng)元的動作： ???niii xwne t1)( n e tfy ?),( Rwx ii ?輸出函數(shù) f： 也稱作用函數(shù)，非線性。 實(shí)質(zhì)： 1． Hebb學(xué)習(xí)規(guī)則 典型的權(quán)值修正方法： Hebb學(xué)習(xí)規(guī)則、誤差修正學(xué)習(xí) 如果神經(jīng)網(wǎng)絡(luò)中某一神經(jīng)元與另一直接與其相連的神經(jīng) 元同時(shí)處于興奮狀態(tài)，那么這兩個(gè)神經(jīng)元之間的連接強(qiáng)度應(yīng) 該加強(qiáng)。 ┇ x 2 x i i yi x 1 j w ij w 2 j ┇ w 1 j ┇
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1