人工神經(jīng)網(wǎng)絡(luò)-展示頁
2024-10-03 10:43本頁面
【正文】 之為軸突 。 13/65 生物神經(jīng)元 細胞核 細胞質(zhì) 樹突 突觸 來自其他細胞 細胞膜 軸突 神經(jīng)末梢 第十三頁，共八十七頁。 11/65 第十一頁，共八十七頁。 9/65 ANN 人工神經(jīng)網(wǎng)絡(luò) ? 概述 ? 根本原理 ? 前向型神經(jīng)網(wǎng)絡(luò) ? 自組織競爭神經(jīng)網(wǎng)絡(luò) ? 神經(jīng)網(wǎng)絡(luò)的應用 ? 與人工智能原理的結(jié)合 ? BP神經(jīng)網(wǎng)絡(luò) 第九頁，共八十七頁。 研究內(nèi)容 推理方法、知識表示、機器學習 生物的生理機制、信息的存儲、傳遞、處理方式 知識表示方法 人懂 →機器懂→人懂 圖像等 →機器→圖像等 知識儲存方式 知識庫中有事實和規(guī)則，隨時添加而增大，一條出了毛病有可能出錯。 8/65 概述 人工智能 神經(jīng)網(wǎng)絡(luò) 研究目的 人腦推理、學習、思考、規(guī)劃等思維活動，解決需人類專家才能處理的復雜問題。 ? 同樣是模仿人腦，但所考慮的角度不同。 7/65 ? 例如： ? 人工智能專家系統(tǒng)是制造一個專家，幾十年難以培養(yǎng)的專家。 ? 不同之處： ? 人工智能研究人腦的推理、學習、思考、規(guī)劃等思維活動，解決需人類專家才能處理的復雜問題。 第五頁，共八十七頁。而計算機不如人。 ? 為什么要研究神經(jīng)網(wǎng)絡(luò) ? 用計算機代替人的腦力勞動。 4/65 ANN 人工神經(jīng)網(wǎng)絡(luò) ? 概述 ? 根本原理 ? 前向型神經(jīng)網(wǎng)絡(luò) ? 自組織競爭神經(jīng)網(wǎng)絡(luò) ? 神經(jīng)網(wǎng)絡(luò)的應用 ? 與人工智能原理的結(jié)合 ? BP神經(jīng)網(wǎng)絡(luò) 第四頁，共八十七頁。研究進展主要在神經(jīng)網(wǎng)絡(luò)自適應控制和模糊神經(jīng)網(wǎng)絡(luò)控制及其在機器人控制中的應用上。 3/65 人工神經(jīng)網(wǎng)絡(luò)的進展 (續(xù) ) ? 高潮階段〔二十世紀八十年代〕 ? 1982和 1984年，美國加州理工學院的生物物理學 J. J. Hopfield在美國科學院院刊發(fā)表的兩 篇文章，有力地推動了人工神經(jīng)網(wǎng)絡(luò)的研究與應用，并引發(fā)了研究神經(jīng)網(wǎng)絡(luò)的一次熱潮。 ? 過渡階段〔二十世紀六十年代初至七十年代〕 ? M. Minsky和 S. Papert于 1969 年出版 ?Perceptron Perceptron? ? 從理論上證明了以單層感知機為代表的網(wǎng)絡(luò)系統(tǒng)在某些能力方面的局限性。1 第 3講 人工神經(jīng)網(wǎng)絡(luò) 歐陽柳波 第一頁，共八十七頁。 2/65 人工神經(jīng)網(wǎng)絡(luò)的進展 ? 初創(chuàng)階段〔二十世紀四十年代至六十年代〕 : ? 1943年，美國心理學家 W. S. Mcculloch和數(shù)理邏輯學家 和數(shù)理邏輯學家 W. Pitts 提出了神經(jīng)元的數(shù)學模型，即 MP〔 MccullochPitts 〕模型 ? 以數(shù)學邏輯為研究手段，探討了客觀事件在神經(jīng)網(wǎng)絡(luò)的形式問題 ? 1960年，威德羅和霍夫率先把神經(jīng)網(wǎng)絡(luò)用于自動控制研究。 ? 60年代末期至 80年代中期，神經(jīng)網(wǎng)絡(luò)控制與神經(jīng)網(wǎng)絡(luò)進入低潮 第二頁，共八十七頁。 ? 80年代后期以來，隨著人工神經(jīng)網(wǎng)絡(luò)研究的復蘇和開展，對神經(jīng)網(wǎng)絡(luò)控制的研究也十分活潑。 ? 平穩(wěn)開展階段〔二十世紀九十年代以后〕 ? 和相關(guān)學科交叉融合 第三頁，共八十七頁。 5/65 概述 ? 什么叫人工神經(jīng)網(wǎng)絡(luò) ? 采用物理可實現(xiàn)的系統(tǒng)來模仿人腦神經(jīng)細胞的結(jié)構(gòu)和功能的系統(tǒng)。 ? 計算機速度為納秒級，人腦細胞反響時間是毫秒級。 ? 長期以來人類的夢想，機器既能超越人的計算能力，又有類似于人的識別、分析、聯(lián)想等能力。 6/65 概述 ? 人工智能與神經(jīng)網(wǎng)絡(luò) ? 共同之處：研究怎樣使用計算機來模仿人腦工作過程，學習 —— 實踐 —— 再學習 —— 再實踐 。 ? 神經(jīng)網(wǎng)絡(luò)企圖說明人腦結(jié)構(gòu)及其功能，以及一些相關(guān)學習、聯(lián)想記憶的根本規(guī)那么〔聯(lián)想、概括、并行搜索、學習和靈活性〕 第六頁，共八十七頁。 神經(jīng)網(wǎng)絡(luò)是制造一個嬰兒，一個幼兒，一個可以學習，不斷完善，從一些自然知識中汲取智慧的生命成長過程。 ? 成年人和嬰兒 ? 學習過程不一樣 第七頁，共八十七頁。 闡明有關(guān)人腦結(jié)構(gòu)及其功能以及相關(guān)學習、聯(lián)想記憶的基本規(guī)律。 在網(wǎng)的結(jié)構(gòu)之中，一條出問題不會觸大錯，網(wǎng)絡(luò)結(jié)構(gòu)不會隨知識增加變化很大 信息傳遞方式 符號 脈沖形式，以頻率表示 信息 處理方式 樹、網(wǎng)等，一條一條執(zhí)行，并行處理較難 原理上是并行結(jié)構(gòu)，與生物信息處理機制一致 第八頁，共八十七頁。 10/65 根本原理 第十頁，共八十七頁。 12/65 第十二頁，共八十七頁。 ? 神經(jīng)元由細胞體、樹突和軸突組成。軸突末端形成許多細的分枝 ,叫做神經(jīng)末梢 。所謂功能性接觸是指非永久性接觸 ,它是神經(jīng)元之間信息傳遞的奧秘之處。 ? 一個神經(jīng)元把來自不同樹突的興奮性或抑制性輸入信號 (突觸后膜電位 )累加求和的過程，稱為整合。當神經(jīng)元的時空整合產(chǎn)生的膜電位超過閾值電位時 ,神經(jīng)元處于興奮狀態(tài) ,產(chǎn)生興奮性電脈沖 ,并經(jīng)軸突輸出 。 15/65 第十五頁，共八十七頁。 17/65 人工神經(jīng)元模型 ? 每一個細胞處于兩種狀態(tài) 。 ? 多輸入單輸出 。 y i s i x 1 x 2 x n u i θ i 圖 3 人工神經(jīng)元的結(jié)構(gòu)模型 第十七頁，共八十七頁。 ?它是一個多輸入單輸出的非線性閾值器件 。y為神經(jīng)元的輸出 。 18/65 第十八頁，共八十七頁。 特性函數(shù)可以看作是神經(jīng)元的數(shù)學模型 。 20/65 1. 閾值型 ()y f A??1000AA?? 2. S型 這類函數(shù)的輸入－輸出特性多采用指數(shù)、對數(shù)或雙曲正切等 S型函數(shù)表示。 常見的特性函數(shù)有以下幾種 : 第二十頁，共八十七頁。 第二十一頁，共八十七頁。 ? 典型的特性函數(shù)是非線性的 。 23/65 根本原理－網(wǎng)絡(luò)結(jié)構(gòu) ? 人腦神經(jīng)網(wǎng)絡(luò)： ? 人腦中約有１４０億個神經(jīng)細胞 ? 根據(jù) Stubbz的估計這些細胞被安排在約１０００個主要模塊內(nèi) ， 每個模塊上有上百個神經(jīng)網(wǎng)絡(luò) ， 每個網(wǎng)絡(luò)約有１０萬個神經(jīng)細胞 。 ? 根據(jù)連接的拓撲結(jié)構(gòu)不同 ， 神經(jīng)網(wǎng)絡(luò)可分為四大類：分層前向網(wǎng)絡(luò) 、
高考資料相關(guān)推薦
鄂ICP備17016276號-1