ch6神經(jīng)網(wǎng)絡(luò)在材料科學(xué)與工程中的應(yīng)用-閱讀頁
2025-01-10 03:27本頁面
【正文】 型函數(shù)（見圖（ c）） 4. 3. 雙曲函數(shù)（見圖（ d）） 5. 4. S型函數(shù)（見（ e）） 6. 5. 高斯函數(shù)（見圖（ f）） )(?f )(?f i? 計算機應(yīng)用多媒體課件 計算機應(yīng)用多媒體課件 ? 人工神經(jīng)網(wǎng)絡(luò)是以工程技術(shù)手段來模擬人腦神經(jīng)元網(wǎng)絡(luò)的結(jié)構(gòu)與特征的系統(tǒng)。就神經(jīng)網(wǎng)絡(luò)的主要連接型式而言，目前已有數(shù)十種不同的神經(jīng)網(wǎng)絡(luò)模型，其中前饋型網(wǎng)絡(luò)和反饋型網(wǎng)絡(luò)是兩種典型的結(jié)構(gòu)模型。如圖所示，神經(jīng)元分層排列，有輸入層、隱層（亦稱中間層，可有若干層）和輸出層，每一層的神經(jīng)元只接受前一層神經(jīng)元的輸入。但從計算的觀點看，缺乏豐富的動力學(xué)行為。 計算機應(yīng)用多媒體課件 計算機應(yīng)用多媒體課件 ? 反饋型神經(jīng)網(wǎng)絡(luò) ? 反饋型神經(jīng)網(wǎng)絡(luò)（ Feedback NN）的結(jié)構(gòu)如圖所示。 計算機應(yīng)用多媒體課件 ? 反饋神經(jīng)網(wǎng)絡(luò)是一種反饋動力學(xué)系統(tǒng)，它需要工作一段時間才能達到穩(wěn)定。 計算機應(yīng)用多媒體課件 計算機應(yīng)用多媒體課件 ? 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí) ：從環(huán)境中獲取知識并改進自身性能，主要指調(diào)節(jié)網(wǎng)絡(luò)參數(shù)使網(wǎng)絡(luò)達到某種度量，又稱為 網(wǎng)絡(luò)的訓(xùn)練 ? 學(xué)習(xí)方式： ? 監(jiān)督學(xué)習(xí) ? 非監(jiān)督學(xué)習(xí) ? 再勵學(xué)習(xí) 計算機應(yīng)用多媒體課件 學(xué)習(xí)規(guī)則 (learning rule)： ? Hebb學(xué)習(xí)規(guī)則 ? 兩個神經(jīng)元同時處于激發(fā)狀態(tài)時，它們之間的連接強度將得到加強，這一論述的數(shù)學(xué)描述被稱為 Hebb學(xué)習(xí)規(guī)則 ? Hebb學(xué)習(xí)規(guī)則是一種無教師的學(xué)習(xí)方法，它只根據(jù)神經(jīng)元連接間的激活水平改變權(quán)值，因此這種方法又稱為相關(guān)學(xué)習(xí)或并聯(lián)學(xué)習(xí)。但 δ 學(xué)習(xí)規(guī)則只適用于線性可分函數(shù)，無法用于多層網(wǎng)絡(luò)。 計算機應(yīng)用多媒體課件 ? 概率式學(xué)習(xí) ? 從統(tǒng)計力學(xué)、分子熱力學(xué)和概率論中關(guān)于系統(tǒng)穩(wěn)態(tài)能量的標(biāo)準出發(fā)，進行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的方式稱概率式學(xué)習(xí)。同時，此概率還取決于溫度參數(shù) T。概率式學(xué)習(xí)的典型代表是 Boltzmann機學(xué)習(xí)規(guī)則。 計算機應(yīng)用多媒體課件 ? 競爭式學(xué)習(xí) ? 競爭式學(xué)習(xí)屬于無教師學(xué)習(xí)方式。在這種聯(lián)接機制中引人竟?fàn)帣C制的學(xué)習(xí)方式稱為竟?fàn)幨綄W(xué)習(xí)。 計算機應(yīng)用多媒體課件 Ch6 神經(jīng)網(wǎng)絡(luò)在材料科學(xué) 與工程中的應(yīng)用 計算機應(yīng)用多媒體課件 謝謝觀看 /歡迎下載 BY FAITH I MEAN A VISION OF GOOD ONE CHERISHES AND THE ENTHUSIASM THAT PUSHES ONE TO SEEK ITS FULFILLMENT REGARDLESS OF OBSTACLES. BY FAITH I BY FAITH
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號-1