ArtificialNeuralNetworks人工神经网络.ppt

ArtificialNeuralNetworks人工神经网络.ppt

ID:53289251

大小:1.41 MB

页数:69页

时间:2020-04-18

ArtificialNeuralNetworks人工神经网络.ppt_第1页
ArtificialNeuralNetworks人工神经网络.ppt_第2页
ArtificialNeuralNetworks人工神经网络.ppt_第3页
ArtificialNeuralNetworks人工神经网络.ppt_第4页
ArtificialNeuralNetworks人工神经网络.ppt_第5页
资源描述:

《ArtificialNeuralNetworks人工神经网络.ppt》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、ArtificialNeuralNetworks人工神经网络IntroductionTableofContentsIntroductiontoANNsTaxonomyFeaturesLearningApplicationsISupervisedANNsExamplesApplicationsFurthertopicsIIUnsupervisedANNsExamplesApplicationsFurthertopicsIII27/07/20212ArtificialNeuralNetworks-IConten

2、ts-IIntroductiontoANNsProcessingelements(neurons)ArchitectureFunctionalTaxonomyofANNsStructuralTaxonomyofANNsFeaturesLearningParadigmsApplications27/07/20213ArtificialNeuralNetworks-ITheBiologicalNeuron10billionneuronsinhumanbrainSummationofinputstimuliSpa

3、tial(signals)Temporal(pulses)ThresholdovercomposedinputsConstantfiringstrengthbillionsynapsesinhumanbrainChemicaltransmissionandmodulationofsignalsInhibitorysynapsesExcitatorysynapses27/07/20214ArtificialNeuralNetworks-IBiologicalNeuralNetworks10,000synaps

4、esperneuronComputationalpower=connectivityPlasticitynewconnections(?)strengthofconnectionsmodified27/07/20215ArtificialNeuralNetworks-INeuralDynamicsRefractorytimeActionpotentialActionpotential≈100mVActivationthreshold≈20-30mVRestpotential≈-65mVSpiketime≈1

5、-2msRefractorytime≈10-20ms27/07/20216ArtificialNeuralNetworks-I神经网络的复杂性神经网路的复杂多样,不仅在于神经元和突触的数量大、组合方式复杂和联系广泛,还在于突触传递的机制复杂。现在已经发现和阐明的突触传递机制有:突触后兴奋,突触后抑制,突触前抑制,突触前兴奋,以及“远程”抑制等等。在突触传递机制中,释放神经递质是实现突触传递机能的中心环节,而不同的神经递质有着不同的作用性质和特点27/07/20217ArtificialNeuralNetwo

6、rks-I神经网络的研究神经系统活动,不论是感觉、运动,还是脑的高级功能(如学习、记忆、情绪等)都有整体上的表现,面对这种表现的神经基础和机理的分析不可避免地会涉及各种层次。这些不同层次的研究互相启示,互相推动。在低层次(细胞、分子水平)上的工作为较高层次的观察提供分析的基础,而较高层次的观察又有助于引导低层次工作的方向和体现其功能意义。既有物理的、化学的、生理的、心理的分门别类研究,又有综合研究。27/07/20218ArtificialNeuralNetworks-ITheArtificialNeuro

7、nStimulusurest=restingpotentialxj(t)=outputofneuronjattimetwij=connectionstrengthbetweenneuroniandneuronju(t)=totalstimulusattimetyi(t)x1(t)x2(t)x5(t)x3(t)x4(t)wi1wi3wi2wi4wi5NeuroniResponse27/07/20219ArtificialNeuralNetworks-IArtificialNeuralModelsMcCullo

8、chPitts-typeNeurons(static)Digitalneurons:activationstateinterpretation(snapshotofthesystemeachtimeaunitfires)Analogneurons:firingrateinterpretation(activationofunitsequaltofiringrate)Activationofneuronsencod

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。