欢迎来到天天文库
浏览记录
ID:49030188
大小:880.50 KB
页数:12页
时间:2020-02-27
《人工神经网络的模型.doc》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、人工神经网络的模型:人工神经元的模型、常用的激活转移函数、MP模型神经元人工神经元的主要结构单元是信号的输入、综合处理和输出人工神经元之间通过互相联接形成网络,称为人工神经网络神经元之间相互联接的方式称为联接模式。相互之间的联接强度由联接权值体现。在人工神经网络中,改变信息处理及能力的过程,就是修改网络权值的过程。人工神经网络的构造大体上都采用如下的一些原则:由一定数量的基本神经元分层联接;每个神经元的输入、输出信号以及综合处理内容都比较简单;网络的学习和知识存储体现在各神经元之间的联接强度上。神经网络解决问题的能力与功效除了与网络结构有关外,在很大程度上取决于网络激活函数。人工神经
2、网络是对人类神经系统的一种模拟。尽管人类神经系统规模宏大、结构复杂、功能神奇,但其最基本的处理单元却只有神经元。人工神经系统的功能实际上是通过大量神经元的广泛互连,以规模宏伟的并行运算来实现的。人工神经网络模型至少有几十种,其分类方法也有多种。例如,若按网络拓扑结构,可分为无反馈网络与有反馈网络;若按网络的学习方法,可分为有教师的学习网络和无教师的学习网络;若按网络的性能,可分为连续型网络与离散型网络,或分为确定性网络与随机型网络;若按突触连接的性质,可分为一阶线性关联网络与高阶非线性关联网络。人工神经网络的局限性:(1)受到脑科学研究的限制:由于生理实验的困难性,因此目前人类对思维
3、和记忆机制的认识还很肤浅,还有很多问题需要解决;(2)还没有完整成熟的理论体系;(3)还带有浓厚的策略和经验色彩;(4)与传统技术的接口不成熟。如果将大量功能简单的形式神经元通过一定的拓扑结构组织起来,构成群体并行分布式处理的计算结构,那么这种结构就是人工神经网络,在不引起混淆的情况下,统称为神经网络。根据神经元之间连接的拓扑结构上的不同,可将神经网络结构分为两大类:分层网络相互连接型网络可编辑word,供参考版!分层网络可以细分为三种互连形式:简单的前向网络;具有反馈的前向网络;层内有相互连接的前向网络。神经网络的学习分为三种类型:有导师学习、强化学习无导师学习有导师学习:必须预先
4、知道学习的期望结果——教师信息,并依此按照某一学习规则来修正权值。强化学习:利用某一表示“奖/惩”的全局信号,衡量与强化输入相关的局部决策如何。无导师学习:不需要教师信息或强化信号,只要给定输入信息,网络通过自组织调整,自学习并给出一定意义下的输出响应。神经网络结构变化的角度,学习技术还可分为三种:权值修正、拓扑变化、权值与拓扑修正学习技术又还可分为:确定性学习、随机性学习人工神经网络人工神经网络是生物神经网络的某种模型(数学模型);是对生物神经网络的模仿基本处理单元为人工神经元生物神经元(neuron)是基本的信息处理单元可编辑word,供参考版!前馈(forward)神经网络各神
5、经元接受来自前级的输入,并产生输出到下一级,无反馈,可用一有向无环图表示。网络中的节点分两类:输入节点;计算节点(神经元节点)节点按层(layer)组织:第i层的输入只与第i-1层的输出相连。输入信号由输入层输入,由第一层节点输出,传向下层,……前馈:信息由低层向高层单向流动。可见层输入层(inputlayer)输入节点所在层,无计算能力输出层(outputlayer)节点为神经元隐含层(hiddenlayer)中间层,节点为神经元BP神经网络训练的两个阶段(1)信号正向传递过程输入信息从输入层经隐层逐层、正向传递,直至得到各计算单元的输出(2)误差反向传播过程可编辑word,供参考
6、版!输出层误差从输出层开始,逐层、反向传播,可间接计算隐层各单元的误差,并用此误差修正前层的权值.可编辑word,供参考版!可编辑word,供参考版!BP网络的优点①特别适合于求解内部机制复杂的问题BP网络实质上实现了一个从输入到输出的映射功能,而数学理论已证明它具有实现任何复杂非线性映射的功能②具有自学习能力网络能通过学习带正确答案的实例集自动提取“合理的”求解规则③网络具有一定的推广、概括能力。BP网络的问题,如:①BP算法的学习速度较慢②网络训练失败的可能性较大③网络结构的选择尚无一种统一而完整的理论指导,一般只能由经验选定。④网络的预测能力(泛化能力、推广能力)与训练能力(逼
7、近能力、学习能力)的矛盾回归估计例:基于BP神经网络的公路运量(客运量、货运量)预测公路运量与该地区人数、机动车数量、公路面积有关。已知某地区20年的公路运量有关数据,对于未来某两年,若明确该地区人数、机动车数量、公路面积,要求:预测该地区的公路运量。分析:(1)明确模型输入输出关系可编辑word,供参考版!(2)建模:原始数据读取;数据标准化处理;网络训练;(3)模型评价:对原始数据仿真,明确预测误差(4)输出预测结果:对新数据预测结果牛顿法及其收敛性牛
此文档下载收益归作者所有