人工神经网络简介ppt课件.ppt

《人工神经网络简介ppt课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、人工神经网络简介人工神经网络人工神经网络是以计算机网络系统模拟生物神经网络的智能计算系统，是对人脑或自然神经网络的若干基本特性的抽象和模拟别名人工神经系统（ANS）神经网络（NN）自适应系统（AdaptiveSystems）、自适应网（AdaptiveNetworks）联接模型（Connectionism）神经计算机（Neurocomputer）生物神经网络生物神经网络的基本单元是生物神经元，简称神经元生物神经元是由细胞体、轴突、树突、突触构成生物神经网络工作过程：神经元就是神经细胞，它是动物的重要特征之一，在人体内从大脑到全身存在大约1010个神经元。神经元间的信号就是神经冲动，

2、有两种状态——兴奋和抑制。神经元间信息的产生、传递和处理是一种电化学活动。神经元间的信号通过突触互相交换信号。突触之间的联接强度决定信号传递的强弱突触能加强兴奋或抑制作用，但两者不能同时发生。突触之间的联接强度是可以随训练改变的生物神经网络工作过程：神经元通过树突输入信号，树突由于电化学作用接受外界的刺激；通过胞体内的活动体现为轴突电位，当轴突电位达到一定的值则形成神经脉冲或动作电位；再通过轴突末梢传递给其它的神经元．一个神经元接受的信号的累积效果决定该神经元的状态，如果兴奋信号总和超过抑制信号总和，并达到一定阈值，就能使该神经元的轴突起始段发生动作电位，产生神经冲动。出现神经冲动时，

3、则该神经元呈现兴奋，反之，则表现为抑制生物神经网络特点：由多个生物神经元以确定方式和拓扑结构相互连接即形成生物神经网络。生物神经网络的功能不是单个神经元信息处理功能的简单叠加。神经元之间的突触连接方式和连接强度不同并且具有可塑性，这使神经网络在宏观呈现出千变万化的复杂的信息处理能力。人工神经元模拟生物神经网络应首先模拟生物神经元。人工神经元(节点)是对生物神经元的模拟。从三个方面进行模拟：节点本身的信息处理能力节点与节点之间连接(拓扑结构)相互连接的强度(通过学习来调整)人工神经元(C.)人工神经元的建模：每个神经元都是一个多输入单输出的信息处理单元；神经元输入分兴奋性输入和抑制性输入

4、两种类型；神经元具有空间整合特性和阈值特性；神经元本身是非时变的，即其突触时延和突触强度均为常数。忽略时间整合作用和不应期；人工神经元(C.)人工神经元的基本构成：简单神经元模型相当于一个多输入单输出的非线性阀值元件，X1，X2，…，Xn表示神经元的n个输入，W1，W2，…，Wn表示神经元之间的连接强度，称为连接权，称为神经元的激活值，O表示这个神经元的输出，每个神经元有一个阀值θ，如果神经元输入信号的加权和超过θ，神经元就处于兴奋状态。f称为传递函数◆连接权：◆求和单元：◆激励函数（响应函数）：人工神经元模型人工神经元模型的要素模型中为输入信号，为输出信号，为神经元的阈值。该模型的数

5、学表达式为：人工神经元模型的数学表达一人工神经元模型的数学表达二典型的具有R维输入的神经元模型五大组成：1.输入2.网络权值和阈值3.求和单元4.传递函数5.输出神经元模型的缩略形式黑色矩形块代表神经元的输入矢量，R为输入矢量的维数；+代表加权求和运算单元；f为传递函数运算单元。该图描述了神经元的结构特性及其对输入信号的处理过程人工神经元(C.)人工神经元的转移函数：人工神经元各种不同数学模型的主要区别在于采用了不同的转移函数，从而使神经元具有不同的信息处理特性。人工神经元的信息处理特性是决定人工神经网络整体性能的三大要素之一，反映了神经元输出与其激活状态之间的关系，最常用的转移函数有

6、4种形式。人工神经元(C.)转移函数：线性函数（LinearFunction）o=f(net)=k*net+cneto0c人工神经元(C.)转移函数：非线性斜面函数(RampFunction)γifnet≥θo=f(net)=k*netif

7、net

8、<θ-γifnet<-θγ>0为一常数，被称为饱和值，为该神经元的最大输出。γ-γθ-θneto人工神经元(C.)转移函数：阈值函数（ThresholdFunction）βifnet≥θo=f(net)=-γifnet<-θβ、γ、θ均为非负实数，θ为阈值β-γθonet0人工神经元(C.e)转移函数：S形函数o=f(net)=(a+b)/

9、(1+exp(-d*net))a，b，d为常数。它的饱和值为a和a+b。人工神经网络的分类按网络连接的拓扑结构分类：层次型结构：将神经元按功能分成若干层，如输入层、中间层（隐层）和输出层，各层顺序相连互连型网络结构：网络中任意两个节点之间都可能存在连接路径按网络内部的信息流向分类：前馈型网络：网络信息处理的方向是从输入层到各隐层再到输出层逐层进行反馈型网络：在反馈网络中所有节点都具有信息处理功能，而且每个节点既可以从外界接收输入，同时又可以向外