神經(jīng)網(wǎng)絡(luò)概述ppt課件-展示頁(yè)
2025-01-14 15:49本頁(yè)面
【正文】 期望響應(yīng)組成。 神經(jīng)網(wǎng)絡(luò)的基本概念 神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn) ? 神經(jīng)網(wǎng)絡(luò)的計(jì)算能力有以下優(yōu)點(diǎn)： ?大規(guī)模并行分布式結(jié)構(gòu) ?神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)能力以及由此而來(lái)的泛化能力。 神經(jīng)網(wǎng)絡(luò)的基本概念 什么是神經(jīng)網(wǎng)絡(luò)？ ? 由多個(gè)非常簡(jiǎn)單的處理單元彼此按某種方式相互連接而形成的計(jì)算系統(tǒng)，該系統(tǒng)是靠其狀態(tài)對(duì)外部輸入信息的動(dòng)態(tài)響應(yīng)來(lái)處理信息的。 ? 研究人工智能的目的 模擬人的智能，將人類從復(fù)雜的腦力勞動(dòng)中解脫出來(lái) 6 人工神經(jīng)網(wǎng)絡(luò)從以下四個(gè)方面去模擬人的智能行為 1. 物理結(jié)構(gòu) 人工神經(jīng)元將模擬生物神經(jīng)元的功能 2. 計(jì)算模擬 人腦的神經(jīng)元有局部計(jì)算和存儲(chǔ)的功能，通過(guò)連接構(gòu)成一個(gè)系統(tǒng)。 1. 感知與認(rèn)識(shí)客觀事物、客觀世界和自我的能力 2. 通過(guò)學(xué)習(xí)取得經(jīng)驗(yàn)與積累知識(shí)的能力 3. 理解知識(shí)，運(yùn)用知識(shí)和經(jīng)驗(yàn)分析、解決問(wèn)題的能力 4. 聯(lián)想、推理、判斷、決策的能力 5. 運(yùn)用語(yǔ)言進(jìn)行抽象、概括的能力 6. 發(fā)現(xiàn)、發(fā)明、創(chuàng)造、創(chuàng)新的能力 7. 實(shí)時(shí)、迅速、合理地應(yīng)付復(fù)雜環(huán)境的能力 8. 預(yù)測(cè)、洞察事物發(fā)展變化的能力 5 人工智能 ? 人工智能 （ Artificial Intelligence，簡(jiǎn)記為 AI）最初在 1956年被引入。 ? 智能 是個(gè)體有目的的行為，合理的思維，以及有效的適應(yīng)環(huán)境的綜合能力。 人工神經(jīng)網(wǎng)絡(luò)與自動(dòng)控制 167。 神經(jīng)網(wǎng)絡(luò)研究的意義 167。 神經(jīng)網(wǎng)絡(luò)的基本概念 167。神經(jīng)網(wǎng)絡(luò)導(dǎo)論 連捷 大連理工大學(xué)電信學(xué)院 Email: 2 第一章 神經(jīng)網(wǎng)絡(luò)概述 第二章 神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 第三章 前饋神經(jīng)網(wǎng)絡(luò) 第四章 反饋神經(jīng)網(wǎng)絡(luò) 第五章 支持向量機(jī) 第六章 自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò) 第七章 神經(jīng)網(wǎng)絡(luò)辨識(shí)與控制 教學(xué)安排 3 第一章 神經(jīng)網(wǎng)絡(luò)概述 167。 167。 人工神經(jīng)網(wǎng)絡(luò)研究的歷史 167。 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用領(lǐng)域 167。 小結(jié) 參考書目 4 167。也可以說(shuō)，智能是個(gè)體認(rèn)識(shí)客觀事物和運(yùn)用知識(shí)解決問(wèn)題的能力。它研究怎樣讓計(jì)算機(jī)模仿人腦從事推理、設(shè)計(jì)、思考、學(xué)習(xí)等思維活動(dòng)，以解決和處理較復(fù)雜的問(wèn)題。人工神經(jīng)網(wǎng)絡(luò)中也有大量有局部處理能力的神經(jīng)元，也能夠?qū)⑿畔⑦M(jìn)行大規(guī)模并行處理 人腦和人工神經(jīng)網(wǎng)絡(luò)都是通過(guò)神經(jīng)元的連接強(qiáng)度來(lái)實(shí)現(xiàn)記憶存儲(chǔ)功能，同時(shí)為概括、類比、推廣提供有力的支持 4. 訓(xùn)練 同人腦一樣，人工神經(jīng)網(wǎng)絡(luò)將根據(jù)自己的結(jié)構(gòu)特性，使用不同的訓(xùn)練、學(xué)習(xí)過(guò)程，自動(dòng)從實(shí)踐中獲得相關(guān)知識(shí) 7 167。 ? 一種由許多簡(jiǎn)單的并行工作的處理單元組成的系統(tǒng)，其功能取決于網(wǎng)絡(luò)的結(jié)構(gòu)、連接強(qiáng)度以及其各單元的處理方式 ? 是一種旨在模仿人腦結(jié)構(gòu)及其功能的信息處理系統(tǒng) 8 167。泛化是指神經(jīng)網(wǎng)絡(luò)對(duì)不在訓(xùn)練（學(xué)習(xí)）集中的數(shù)據(jù)可以產(chǎn)生合理的輸出 9 167。從一個(gè)訓(xùn)練集中隨機(jī)選取一個(gè)樣本給網(wǎng)絡(luò)，網(wǎng)絡(luò)就調(diào)整它的突觸權(quán)值（自由參數(shù)），以最小化期望響應(yīng)和由輸入信號(hào)以適當(dāng)?shù)慕y(tǒng)計(jì)準(zhǔn)則產(chǎn)生的實(shí)際響應(yīng)之間的偏差 10 167。這個(gè)拓?fù)涞哪Ｊ椒Q為 神經(jīng)網(wǎng)絡(luò)的互聯(lián)模式 。 輸 出輸 入12 神經(jīng)網(wǎng)絡(luò)的分類 ? 從結(jié)構(gòu)分類 前饋神經(jīng)網(wǎng)絡(luò) (Feedforward Neural Network) 反饋神經(jīng)網(wǎng)絡(luò) (Feedback Neural Network) ? 從學(xué)習(xí)方式分類 有教師學(xué)習(xí) 無(wú)教師學(xué)習(xí) 13 有教師學(xué)習(xí) ? 事先有一批正確的輸入輸出數(shù)據(jù)對(duì)，將輸入數(shù)據(jù)加載到網(wǎng)絡(luò)輸入端后，把網(wǎng)絡(luò)的實(shí)際響應(yīng)輸出與正確（期望的）輸出相比較得到誤差。 ? 直到實(shí)際響應(yīng)的輸出與期望的輸出之差在允許范圍之內(nèi)，這種學(xué)習(xí)方法通稱為 誤差修正算法 。 14 無(wú)教師學(xué)習(xí) ? 自組織學(xué)習(xí) 使網(wǎng)絡(luò)具有某種“記憶”能力，以至形成“條件反射”。如自組織映射 (Self Organization Mapping, 簡(jiǎn)寫為SOM)算法。在不同的塊之間有刺激連接，而同一塊的不同節(jié)點(diǎn)之間有抑制連接，從而當(dāng)外界對(duì)不同塊的一個(gè)單元施加刺激后，將激活不同塊中互聯(lián)最強(qiáng)的一組單元，得到對(duì)該刺激的一個(gè)整體回憶。 人工神經(jīng)網(wǎng)絡(luò)的研究歷史 從 19世紀(jì)末開(kāi)始，神經(jīng)網(wǎng)絡(luò)的發(fā)展史可以分為 四個(gè)時(shí)期： ? 啟蒙時(shí)期（ 1890～ 1969） ? 低潮時(shí)期（ 1969～ 1982） ? 復(fù)興時(shí)期（ 1982～ 1986） ? 高潮時(shí)期（ 1987～ ） 從神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史可以看出它與神經(jīng)生理學(xué)、數(shù)學(xué)、電子學(xué)、計(jì)算機(jī)科學(xué)以及人工智能學(xué)之間的聯(lián)系。 ? 20世紀(jì) 40年代，心理學(xué)家麥克洛奇 (McCulloch)和數(shù)理邏輯學(xué)家皮茲 (Pitts)從信息處理的角度出發(fā)，采用數(shù)理模型的方法對(duì)神經(jīng)細(xì)胞的動(dòng)作進(jìn)行研究，提出了形似神經(jīng)元的數(shù)學(xué)模型 (MP
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1