常見神經(jīng)網(wǎng)絡(luò)模型ppt課件-展示頁
2025-01-14 10:17本頁面
【正文】 同層節(jié)點之間沒有互連； 每層節(jié)點的輸出只影響下層節(jié)點； 激勵函數(shù)多為 S型。 11 常見神經(jīng)網(wǎng)絡(luò)模型 一、感知器 感知器實質(zhì)是一個分類器，可以用于實現(xiàn)邏輯函數(shù)。換句話講，權(quán)系數(shù)就是存儲了的輸入模式。 10 常見神經(jīng)網(wǎng)絡(luò)模型 一、感知器 從感如器的學(xué)習(xí)算法可知，學(xué)習(xí)的目的是在于修改網(wǎng)絡(luò)中的權(quán)系數(shù)，使網(wǎng)絡(luò)對于所輸入的模式樣本能正確分類。 常見神經(jīng)網(wǎng)絡(luò)模型 一、感知器 8 常見神經(jīng)網(wǎng)絡(luò)模型 一、感知器 感知器的學(xué)習(xí)算法： 初始化：置權(quán)系數(shù) w為最小的隨機數(shù)； 訓(xùn)練：輸入一樣本 x＝ (x1， x2， … ， xn)以及它的期望輸出 y*； 計算實際輸出： ； 計算誤差： ； 修改權(quán)系數(shù)和閾值 ； 轉(zhuǎn) 2，直到誤差滿足要求。 感知器的分類邊界是： 常見神經(jīng)網(wǎng)絡(luò)模型 一、感知器 01?????niii xw????類類BAy016 在輸入樣本只有兩個分量 x1， x2時，則有分類邊界條件： 即 w1x1+w2x2θ =0 常見神經(jīng)網(wǎng)絡(luò)模型 一、感知器 7 感知器的學(xué)習(xí)算法： 感知器的學(xué)習(xí)算法目的在于找尋恰當(dāng)?shù)臋?quán)系數(shù) w＝ (w1， w2， … ， wn)， 使系統(tǒng)對一個特定的樣本 x＝ (x1， x2， … ， xn)能產(chǎn)生期望輸出 y。1 智能控制技術(shù) 中國計量學(xué)院自動化教研室 謝 敏 2 智能控制技術(shù) 第 4章 人工神經(jīng)元網(wǎng)絡(luò)模型 引言 常見神經(jīng)網(wǎng)絡(luò)模型 3 常見神經(jīng)網(wǎng)絡(luò)模型 一、感知器 感知器（ Perceptron） 模型由美國心理學(xué)家Rosenblatt于 1958年提出，其簡化模型如下圖： 常見神經(jīng)網(wǎng)絡(luò)模型 4 一、感知器 常見神經(jīng)網(wǎng)絡(luò)模型 感知器的數(shù)學(xué)模型： 其中： f[.]是階躍函數(shù)或符號函數(shù)，并且有 θ 是閾值。 )(1??? ??niii xwfy??????????0001)(??iiiixwuxwuuf???????????0101)(??iiiixwuxwuuf5 感知器的最大作用就是可以對輸入的樣本分類，故它可作分類器，感知器對輸入信號的分類如下： 即：當(dāng)感知器的輸出為
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1