第8章_人工神经网络及其应用

《第8章_人工神经网络及其应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第8章人工神经网络及其应用教材：王万良《人工智能及其应用》（第2版）高等教育出版社，2008.6第8章人工神经网络及其应用神经网络（neuralnetworks，NN）生物神经网络(naturalneuralnetwork,NNN):由中枢神经系统（脑和脊髓）及周围神经系统（感觉神经、运动神经等）所构成的错综复杂的神经网络，其中最重要的是脑神经系统。人工神经网络(artificialneuralnetworks,ANN):模拟人脑神经系统的结构和功能，运用大量简单处理单元经广泛连接而组成的人工网络系统。神经网络方法：隐式的知识表示方法2第8章人工神经网络及其应用8.1神经元与神

2、经网络8.2BP神经网络及其学习算法8.3BP神经网络的应用8.4Hopfield神经网络及其改进8.5Hopfield神经网络的应用8.6Hopfield神经网络优化方法求解JSP3第8章人工神经网络及其应用8.1神经元与神经网络8.2BP神经网络及其学习算法8.3BP神经网络的应用8.4Hopfield神经网络及其改进8.5Hopfield神经网络的应用8.6Hopfield神经网络优化方法求解JSP48.1神经元与神经网络8.1.1生物神经元的结构8.1.2神经元数学模型8.1.3神经网络结构与工作方式58.1.1生物神经元的结构人脑由一千多亿（1011亿－1014亿）个

3、神经细胞（神经元）交织在一起的网状结构组成，其中大脑皮层约140亿个神经元，小脑皮层约1000亿个神经元。神经元约有1000种类型，每个神经元大约与103－104个其他神经元相连接，形成极为错综复杂而又灵活多变的神经网络。人的智能行为就是由如此高度复杂的组织产生的。浩瀚的宇宙中，也许只有包含数千忆颗星球的银河系的复杂性能够与大脑相比。68.1.1生物神经元的结构（输入）（输出）神经冲动生物神经元结构78.1.1生物神经元的结构工作状态：兴奋状态：细胞膜电位>动作电位的阈值→神经冲动抑制状态：细胞膜电位<动作电位的阈值学习与遗忘：由于神经元结构的可塑性，突触的传递作用可增强和减弱

4、。88.1神经元与神经网络8.1.1生物神经元的结构8.1.2神经元数学模型8.1.3神经网络的结构与工作方式98.1.2神经元数学模型1943年，麦克洛奇和皮兹提出M－P模型。一般模型：108.1.2神经元数学模型：第个神经元的输出。：第个神经元的阈值。：外部输入。：权值。加权求和：其矩阵形式：11线性环节的传递函数：：1；；；及其组合等。8.1.2神经元数学模型128.1.2神经元数学模型非线性激励函数（传输函数、输出变换函数）（硬极限函数或阶跃函数）（对称硬极限函数）138.1.2神经元数学模型非线性激励函数（传输函数、输出变换函数）（对数-S形函数或S型函数）（双曲正切

5、S形函数）148.1.2神经元数学模型非线性激励函数（传输函数、输出变换函数）（饱和线性函数）（对称饱和线性函数）158.1.2神经元数学模型非线性激励函数（传输函数、输出变换函数）（线性函数）（高斯或径向基函数）168.1.2神经元数学模型工作过程:从各输入端接收输入信号uj(j=1,2,…,n)根据连接权值求出所有输入的加权和用非线性激励函数进行转换，得到输出178.1.2神经元数学模型188.1神经元与神经网络8.1.1生物神经元的结构8.1.2神经元的数学模型8.1.3神经网络的结构与工作方式198.1.3神经网络的结构与工作方式决定人工神经网络性能的三大要素：神经元的

6、特性。神经元之间相互连接的形式——拓扑结构。为适应环境而改善性能的学习规则。201.神经网络的结构（1）前馈型（前向型）8.1.3神经网络的结构与工作方式211.神经网络的结构（2）反馈型（Hopfield神经网络）8.1.3神经网络的结构与工作方式222.神经网络的工作方式同步（并行）方式：任一时刻神经网络中所有神经元同时调整状态。异步（串行）方式：任一时刻只有一个神经元调整状态，而其它神经元的状态保持不变。8.1.3神经网络的结构与工作方式23探索时期（开始于20世纪40年代）：1943年，麦克劳（W.S.McCullocn）和匹茨（W.A.Pitts）首次提出一个神经网络

7、模型——M－P模型。1949年，赫布（D.O.Hebb）提出改变神经元连接强度的Hebb学习规则。8.1.4神经网络的发展概况241958年，罗森布拉特（F.Rosenblatt）提出感知器模型（perceptron）。1959年，威德罗(B.Widrow)等提出自适应线性元件（adaline）网络，通过训练后可用于抵消通信中的回波和噪声。1960年，他和M.Hoff提出LMS（LeastMeanSquare最小方差）算法的学习规则。8.1.4神经网络的发展概况第一次热潮时期：20世纪50年