人工神经网络与智能算法

人工神经网络与智能算法

ID:39256006

大小:770.51 KB

页数:75页

时间:2019-06-28

人工神经网络与智能算法_第1页
人工神经网络与智能算法_第2页
人工神经网络与智能算法_第3页
人工神经网络与智能算法_第4页
人工神经网络与智能算法_第5页
资源描述:

《人工神经网络与智能算法》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、智能算法 (IntelligentAlgorithm)主要内容人工神经网络(ArtificialNeuralNetwork,ANN)模拟退火(SimulatedAnnealing,SA)遗传算法(GeneticAlgorithm,GA)2人工神经网络参考文献陈念贻,钦佩,陈瑞亮,陆文聪,模式识别方法在化学化工中的应用,科学出版社,北京,2000。从爽,面向MATLAB工具箱的神经网络理论与应用,中国科学技术出版社,合肥,1998。焦李成,神经网络计算,西安电子科技大学出版社,西安,1993。王永骥,涂健,神经元网络控制,机械工业出版社,北京,1998。Bishop,C.(1995)

2、.NeuralNetworksforPatternRecognition.Oxford:UniversityPress.Carling,A.(1992).IntroducingNeuralNetworks.Wilmslow,UK:SigmaPress.Fausett,L.(1994).FundamentalsofNeuralNetworks.NewYork:PrenticeHallHaykin,S.(1994).NeuralNetworks:AComprehensiveFoundation.NewYork:MacmillanPublishing.Patterson,D.(1996)

3、.ArtificialNeuralNetworks.Singapore:PrenticeHall.3生物神经元及神经网络神经元对信息的接受和传递都是通过突触来进行的。单个神经元可以从别的细胞接受多个输入。由于输入分布于不同的部位,对神经元影响的比例(权重)是不相同的。另外,各突触输入抵达神经元的先后时间也不一祥。因此,一个神经元接受的信息,在时间和空间上常呈现出一种复杂多变的形式,需要神经元对它们进行积累和整合加工,从而决定其输出的时机和强度。正是神经元这种整合作用,才使得亿万个神经元在神经系统中有条不紊、夜以继日地处理各种复杂的信息,执行着生物中枢神经系统的各种信息处理功能。多个

4、神经元以突触联接形成了一个神经网络。4一、人工神经网络什么是人工神经网络?它就是在对大脑的生理研究的基础上,用模拟生物神经元的某些基本功能元件(即人工神经元),按各种不同的联结方式组织起来的一个网络。其目的在于模拟大脑的某些机理与机制,实现某个方面的功能,可以用在模仿视觉、模式识别、函数逼近、模式识别、分类和数据压缩等领域,是近年来人工智能计算的一个重要学科分支。人工神经网络有多种形式,其中反向传播人工神经网络(Back-PropagationArtificialNetwork,简称BP网络)是一种广泛使用的神经网络模型,它充分体现了人工神经网络的特点。BP网络是一种对非线性可微分

5、函数进行权值训练的多层网络,在人工神经网络的实际应用中,80%~90%的人工神经网络模型是采用BP网络或它的变化形式。51.1BP神经网络神经元的结构神经元是人工神经网络的基本处理单元,它一般为多输入/单输出的非线性元件。神经元输出除受输入信号的影响外,还受神经元内部其它因素的制约,因此在人工神经元的建模中,常常加一额外输入信号,称为偏差(bais),并取值为1。输入分量权值分量神经元的输出偏差权值激活函数输入分量通过与它相乘的权值分量相连,求和后与偏差权值共同构成激活函数的输入。6偏差神经元的输出为:偏差b被简单地加在上,作为激活函数的一个输入分量。偏差的重要作用,它使得激活函数

6、的图形可以左右移动,这样可增加网络解决问题的能力。7激活函数激活函数具有模拟生物神经元的非线性特性。Sigmoid函数:双曲正切tanh函数:Sigmoid函数和双曲正切tanh函数都是单调上升函数,其极值分别为0、1和-1、+1,且都是可微的。8激活函数的一阶导数在BP神经网络训练算法中,要用到激活函数的一阶导数。Sigmoid函数的导数:双曲正切tanh函数的导数:由此可以看出,由于激活函数的特点,用神经网络计算时,需对输入和输出的值进行调整。激活函数是采用Sigmoid函数时,输入和输出的值应在{0,1}之间;激活函数是双曲正切tanh函数时,输入和输出的值范围则在{-1,1

7、}之间。91.2BP网络的模型结构BP网络是一种在输入层和输出层之间具有一层或多层隐层的网络模型,而其典型的结构为有一隐层、包含输入层和输出层的三层网络模型。典型BP网络的结构示意图如下:网络的输入模式向量为P,有r个输入神经元,对应输入模式向量的每个元素。隐层内有s1个神经元,对应隐层输出是a1。网络的输出为a2,有s2个神经元,而目标输出为T。三层BP神经网络不同层神经元之间实现权重连接,而每层内各个神经元之间不连接。10BP网络的四个计算过程输入模式由输入层经隐

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。