chapter1神经网络的概述

chapter1神经网络的概述

ID:28659435

大小:783.00 KB

页数:13页

时间:2018-12-12

chapter1神经网络的概述_第1页
chapter1神经网络的概述_第2页
chapter1神经网络的概述_第3页
chapter1神经网络的概述_第4页
chapter1神经网络的概述_第5页
资源描述:

《chapter1神经网络的概述》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、实用标准文案计算智能(CI:ComputationalIntelligence)使用计算科学和技术模拟人的智能的结构和行为:信息的获取、传递、处理、再生和利用能力主要包括:(三大基础)Allofthenature-inspiredmethods.参考书:1.M.T.Hagan,H.B.Demuth,andM.H.Beale,神经网络设计,机械工业出版社,2002.2.S.Kumar,NeuralNetworks,清华大学出版社,2006.3.许东等,基于MATLAB6.x的系统分析与设计——神经网络,西安电子科技大学出版社,

2、2002.Chapter1神经网络概述起始:1940’s初,且导致了人工智能的研究;低潮:1960’s末,进展不大;重新兴起:1980’s中,热潮,几乎应用于所有工程领域;下坡:2000以后。重新兴起的两个标志性的成果:l多层前向网络的BP算法(1986):逼近任意函数lHopfield网络(1984):TSP问题,联想记忆一、人工神经网络(ArtificialNeuralNetworks)1.什么是人工神经网络?人工神经网络是人类中枢(大脑)神经系统的简化模型,是由大量简单的并行分布的计算单元(神经元,neurons)互相

3、连接而成的自适应非线性系统。精彩文档实用标准文案2.模拟人脑在两个方面(1)通过学习获取知识(learning,training);(2)知识存储在神经元及其之间的连接上。二、神经元模型1.生物神经元(人类大脑神经元)(1)什么是生物神经元生物神经元是一个小细胞,具有如下功能:(a)接收来自感官或其它细胞的输入;(b)产生电输出响应,并传给其它神经元。人脑包含:神经元(2)基本结构三个主要成分:细胞体、轴突、树突突触(连接强度)树突:Input(接收信息)细胞体轴突:Output(传输信息)Fig1.生物神经元简图(a)树突

4、(接收信息)接收来自其它神经元的电信号,并传给细胞体。(b)细胞体(信息处理器)精彩文档实用标准文案信息处理器:对输入信号,(数学描述)(a)轴突(传输信息)把细胞体的输出信号传给其它神经元。(b)突触(储存信息)轴突和树突的结合点(两神经元之间)。例如,新记忆的形成是通过改变突触的强度(液状体)来实现。2.人工神经元(1)什么是人工神经元人工神经元是生物神经元的简单的模仿、简化和抽象,是一个极其简单的计算单元(函数)。(2)MP模型(McCulloch(神经解剖学家),Pitts(数学家),1943)简图Fig.2.人工神

5、经元模型神经元实现了的极其简单的非线性函数:,精彩文档实用标准文案其中—输入,Input(来自其它神经元的信号);—输出,output(轴突上的电信号);—权值,weight(突触的强度);—阈值、门限,threshold;—激活函数、传输函数,activationfunction,transferfunction.例、实现逻辑函数“与门”(ANDgate)运算。1—真,0—假,用一个两输入的神经元实现。神经元输入神经元输出000100010111.Remark正是此例,使人们看到了人类智能与计算机的联系,兴起了神经网络的研

6、究,产生了人工智能(AI:ArtificialIntelligence)学科。三、神经网络三要素激活函数、网络结构、学习规则1.激活函数(ActivationFunctions)精彩文档实用标准文案(1)线性激活函数(用于ADLINEnetwork)(2)硬限幅激活函数(用于Perceptron)对称的硬限幅激活函数(3)Sigmoid(S形)激活函数,性质:对称(双曲正切)S形激活函数2.网络结构TwoTypes:多层前向网络(MultilayerFeedforwardNetworks)Static:实现非线性映射。递归(

7、反馈)网络(Recurrent(Feedback)Networks)Dynamic:Thenetworksareclassicalexamplesofnon-lineardynamicalsystems.精彩文档实用标准文案(1)单隐层的前向网络(a)网络结构FirstLayerOutput:,.NetworkOutput:(的非线性映射)=,where—第k层第i个神经元、第j个输入的权值;—第k层第i个神经元的阈值。Remark:实现了的非线性映射(b)逼近能力已证明:单隐层(两层)前向网络可任意精度的逼近中的任意函数。

8、(2)RecurrentNetworks(FeedbackNetworks)Hopfield网络:1982(离散),1984(连续),单层递归网络;是神经网络重新兴起的两大原因之一。3.学习规则(训练规则):LearningRules,TrainingRules精彩文档实用标准文案为了使网

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。