人工神经网络及其应用之自组织网络.ppt

《人工神经网络及其应用之自组织网络.ppt》由会员上传分享，免费在线阅读，更多相关内容在PPT专区-天天文库。

1、人工神经网络及其应用第6讲自组织网络一、自组织神经网络二、自组织竞争网络三、科荷伦网络四、自适应共振网络五、内容小结六、考试事宜内容安排2021/8/821.1自组织网络特点1.2网络类型1.3网络学习规则一、自组织神经网络2021/8/831.1自组织网络特点特点自组织神经网络可以自动向环境学习，不需要教师指导；而前面所讲到的前向网络、反馈网络均需要教师指导学习与BP网络相比，这种自组织自适应的学习能力进一步拓宽了人工神经网络在模式识别、分类方面的应用思想基础生物的神经网络中，如人的视网膜中，存在着一种

2、“侧抑制”现象，即一个神经细胞兴奋后，通过它的分支会对周围其他神经细胞产生抑制借鉴上述思想，自组织网络能够对输入模式进行自组织训练和判断，并将输入模式分为不同的类型2021/8/841.2网络类型需要训练自组织竞争网络适用与具有典型聚类特性的大量数据的辨识Kohunen网络训练学习后使网络权值分布与输入样本概率密度分布相似可以作为样本特征检测仪，在样本排序、样本分类及样本检测方面有广泛应用对传网络（CounterPropagationNetwork）在功能上用作统计最优化和概率密度函数分析可用于图像处理和

3、统计分析神经认知机等不需要训练自适应共振理论（ART）分类的类型数目可自适应增加2021/8/851.3网络学习规则格劳斯贝格(S．Grossberg)提出了两种类型的神经元模型：内星与外星，用以来解释人类及动物的学习现象内星可以被训练来识别矢量外星可以被训练来产生矢量基本学习规则内星学习规则外星学习规则科荷伦学习规则2021/8/861.3.1内星与外星外星通过联接权矢量向外输出一组信号A内星通过联接权矢量W接受一组输入信号P2021/8/871.3.2内星学习规则可以通过内星及其学习规则可训练某一神经

4、元节点只响应特定的输入矢量P，它借助于调节网络权矢量W近似于输入矢量P来实现的单内星中对权值修正的格劳斯贝格内星学习规则为内星神经元联接强度的变化Δw1j与输出成正比的。如果内星输出a被某一外部方式而维护高值时，通过不断反复地学习，趋使Δw1j逐渐减少，直至最终达到w1j＝pj，从而使内星权矢量学习了输入矢量P，达到了用内星来识别一个矢量的目的另一方面，如果内星输出保持为低值时，网络权矢量被学习的可能性较小，甚至不能被学习2021/8/881.3.3外星学习规则外星网络的激活函数是线性函数。它被用来学习回

5、忆一个矢量，其网络输入P也可以是另一个神经元模型的输出外星被训练来在一层s个线性神经元的输出端产生一个特别的矢量A对于一个外星，其学习规则为与内星不同，外星联接强度的变化Δw是与输入矢量P成正比的当输入矢量被保持高值，比如接近1时，每个权值wij将趋于输出ai值，若pj＝1，则外星使权值产生输出矢量当输入矢量pj为0时，网络权值得不到任何学习与修正2021/8/891.3.3外星学习规则当有r个外星相并联，每个外星与s个线性神经元相连组成一层外星时，其权值修正方式为W＝s×r权值列矢量lr＝学习速率A＝s

6、×q外星输出P＝r×q外星输入2021/8/8101.3.4科荷伦学习规则科荷伦学习规则是由内星规则发展而来的科荷伦规则科荷伦学习规则实际上是内星学习规则的一个特例，但它比采用内星规则进行网络设计要节省更多的学习，因而常常用来替代内星学习规则2021/8/811二、自组织网络2.1网络模型2.2竞争网络原理2.3网络训练2021/8/8122.1网络模型网络结构竞争网络由单层神经元网络组成，其输入节点与输出节点之间为全互联结。因为网络在学习中的竞争特性也表现在输出层上，所以在竞争网络中把输出层又称为竞争层

7、，而与输入节点相连的权值及其输入合称为输入层2021/8/8132.1网络模型网络权值的类型输入节点j到i的权值wij(i＝1，2…、s；j＝1，2…、r)，这些权值是通过训练可以被调整的竞争层中互相抑制的权值wik(k＝1，2…、s)。这类权值固定不变，且满足一定的分布关系是一种对称权值，即有wik＝wki相同神经元之间的权值起加强的作用，即满足w11＝w11＝…＝wkk＞0，而不同神经元之间的权值相互抑制，对于k≠i有wij＜02021/8/8142.1网络模型网络工作方式输入矢量经过网络前向传递网络

8、竞争激活函数为硬限制二值函数竞争网络的激活函数使加权输入和为最大的节点赢得输出为1，而其他神经元的输出皆为0(?)权值调整（可以处于训练与工作期间）竞争网络在经过竞争而求得获胜节点后，则对与获胜节点相连的权值进行调整调整权值的目的是为了使权值与其输入矢量之间的差别越来越小，从而使训练后的竞争网络的权值能够代表对应输入矢量的特征2021/8/8152.2竞争网络原理竞争网络解释设网络的输入矢量为：P＝[p1p2…pr]T对应网络