最新智能控制 第6章神经网络理论基础.教学讲义ppt课件.ppt

最新智能控制 第6章神经网络理论基础.教学讲义ppt课件.ppt

ID:62142199

大小:438.00 KB

页数:46页

时间:2021-04-19

最新智能控制 第6章神经网络理论基础.教学讲义ppt课件.ppt_第1页
最新智能控制 第6章神经网络理论基础.教学讲义ppt课件.ppt_第2页
最新智能控制 第6章神经网络理论基础.教学讲义ppt课件.ppt_第3页
最新智能控制 第6章神经网络理论基础.教学讲义ppt课件.ppt_第4页
最新智能控制 第6章神经网络理论基础.教学讲义ppt课件.ppt_第5页
资源描述:

《最新智能控制 第6章神经网络理论基础.教学讲义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、智能控制第6章神经网络理论基础.模糊控制在处理数值数据、自学习能力等方面还远没有达到人脑的境界。人工神经网络从另一个角度出发,即从人恼的生理学和心理学着手,通过人工模拟人脑的工作机理来实现机器的部分智能行为。人工神经网络(简称神经网络,NeuralNetwork)是模拟人脑思维方式的数学模型。神经网络是在现代生物学研究人脑组织成果的基础上提出的,用来模拟人类大脑神经网络的结构和行为。神经网络反映了人脑功能的基本特征,如并行信息处理、学习、联想、模式分类、记忆等。1962年,Widrow和Hoff提出了自适应线性神经网络,即Adaline网络,并提出了

2、网络学习新知识的方法,即Widrow和Hoff学习规则(即δ学习规则),并用电路进行了硬件设计。2低潮期(1969-1982)受当时神经网络理论研究水平的限制及冯·诺依曼式计算机发展的冲击等因素的影响,神经网络的研究陷入低谷。在美、日等国有少数学者继续着神经网络模型和学习算法的研究,提出了许多有意义的理论和方法。例如,1969年,S.Groisberg和A.Carpentet提出了至今为止最复杂的ART网络,该网络可以对任意复杂的二维模式进行自组织、自稳定和大规模并行处理。1972年,Kohonen提出了自组织映射的SOM模型。3复兴期(1982-1

3、986)1982年,物理学家Hoppield提出了Hoppield神经网络模型,该模型通过引入能量函数,实现了问题优化求解,1984年他用此模型成功地解决了旅行商路径优化问题(TSP)。在1986年,在Rumelhart和McCelland等出版《ParallelDistributedProcessing》一书,提出了一种著名的多层神经网络模型,即BP网络。该网络是迄今为止应用最普遍的神经网络。4新连接机制时期(1986-现在)神经网络从理论走向应用领域,出现了神经网络芯片和神经计算机。神经网络主要应用领域有:模式识别与图象处理(语音、指纹、故障检测

4、和图象压缩等)、控制与优化、预测与管理(市场预测、风险分析)、通信等。6.2神经网络原理神经生理学和神经解剖学的研究表明,人脑极其复杂,由一千多亿个神经元交织在一起的网状结构构成,其中大脑皮层约140亿个神经元,小脑皮层约1000亿个神经元。人脑能完成智能、思维等高级活动,为了能利用数学模型来模拟人脑的活动,导致了神经网络的研究。神经系统的基本构造是神经元(神经细胞),它是处理人体内各部分之间相互信息传递的基本单元。每个神经元都由一个细胞体,一个连接其他神经元的轴突和一些向外伸出的其它较短分支—树突组成。轴突功能是将本神经元的输出信号(兴奋)传递给别

5、的神经元,其末端的许多神经末梢使得兴奋可以同时传送给多个神经元。树突的功能是接受来自其它神经元的兴奋。神经元细胞体将接收到的所有信号进行简单地处理后,由轴突输出。神经元的轴突与另外神经元神经末梢相连的部分称为突触。图单个神经元的解剖图神经元由三部分构成:(1)细胞体(主体部分):包括细胞质、细胞膜和细胞核;(2)树突:用于为细胞体传入信息;(3)轴突:为细胞体传出信息,其末端是轴突末梢,含传递信息的化学物质;(4)突触:是神经元之间的接口(104~105个/每个神经元)。通过树突和轴突,神经元之间实现了信息的传递。神经元具有如下功能:(1)兴奋与抑制

6、:如果传入神经元的冲动经整和后使细胞膜电位升高,超过动作电位的阈值时即为兴奋状态,产生神经冲动,由轴突经神经末梢传出。如果传入神经元的冲动经整和后使细胞膜电位降低,低于动作电位的阈值时即为抑制状态,不产生神经冲动。(2)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,因此神经元具有学习与遗忘的功能。决定神经网络模型性能三大要素为:(1)神经元(信息处理单元)的特性;(2)神经元之间相互连接的形式—拓扑结构;(3)为适应环境而改善性能的学习规则。6.3神经网络的分类目前神经网络模型的种类相当丰富,已有近40余种神经网络模型。典型的神经网

7、络有多层前向传播网络(BOP网络)、Hopfield网络、CMAC小脑模型、ART网络、BAM双向联想记忆网络、SOM自组织网络、Blotzman机网络和Madaline网络等。根据神经网络的连接方式,神经网络可分为两种形式:(1)前向网络如图所示,神经元分层排列,组成输入层、隐含层和输出层。每一层的神经元只接受前一层神经元的输入。输入模式经过各层的顺次变换后,由输出层输出。在各神经元之间不存在反馈。感知器和误差反向传播网络采用前向网络形式。图前馈型神经网络(2)反馈网络该网络结构在输出层到输入层存在反馈,即每一个输入节点都有可能接受来自外部的输入和

8、来自输出神经元的反馈。这种神经网络是一种反馈动力学系统,它需要工作一段时间才能达到稳定。Hopfield神经

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。