神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識(shí)(1)-展示頁(yè)
2025-06-04 18:04本頁(yè)面
【正文】 習(xí)率 η=1，三個(gè)樣本為： X1=(1,2,0)T， X2=(1,2,)T,X3=(0,1,1,)T,初始權(quán)： W(0)=(1,1,0,)T。 單純層次型結(jié)構(gòu) 人工神經(jīng)網(wǎng)絡(luò)模型 u y 兩種分類方法：拓?fù)浣Y(jié)構(gòu)、信息流向 層次型結(jié)構(gòu)： 3種 輸出層到輸入層有連接 ? 層內(nèi)有連接層次型結(jié)構(gòu) u y 互連型結(jié)構(gòu) 全互連型結(jié)構(gòu) 局部互連型網(wǎng)絡(luò)結(jié)構(gòu) 〇 〇 〇 〇 〇 〇 〇 〇 〇 〇 〇 〇 〇 〇 〇 〇 還有一種稀疏連接型 ： 2種 前饋型網(wǎng)絡(luò) ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ 拓?fù)浣Y(jié)構(gòu)是神經(jīng)網(wǎng)絡(luò)特征的第二大要素 反饋型網(wǎng)絡(luò) 〇〇 〇〇 〇 〇 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò)能夠通過(guò)對(duì)樣本的學(xué)習(xí)訓(xùn)練，不斷改變網(wǎng)絡(luò)的連接權(quán)值以及拓?fù)浣Y(jié)構(gòu)，以使網(wǎng)絡(luò)的輸出不斷地接近期望的輸出。j=WjTX 其中： Wj=(w1,w2,…,wn)T X=(x1,x2,…,xn)T () XW Tjn0iiijjjj xwn e tTtne ????? ??() oj=f(j)=f (WjTX) () 令 x0=1， w0=Tj 則有 Tj = x0w0 主要區(qū)別為轉(zhuǎn)移函數(shù)，常用的有四種： (1)閾值型轉(zhuǎn)移函數(shù) 1 x≥ 0 f(x)= () 0 x＜ 0 MP模型屬于此類。 令： })]({[)( jn1iiijj Ttxwf1to ??? ??(2. 2) ????n1iiijj txwttne )()( () 上式是神經(jīng)元 j在 t時(shí)刻的凈輸入，體現(xiàn)了神經(jīng)元 j的空間整合特性，但未考慮時(shí)間整合。 x1 x1 w1j ┆ oj ┆ wij oj xi xi ┆ ┆ wnj xn xn (a ) 多輸入 單輸出
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1