神经网络和模糊系统

《神经网络和模糊系统》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、神经网络和模糊系统第五章突触动力学Ⅱ：有监督的学习张文革2006.11突触动力学Ⅱ：有监督的学习本章内容：一、预备知识二、有监督的函数估计三、监督学习就是有效的训练四、已知类隶属度的监督学习五、感知器、MLS和BP算法一、预备知识（1）1、生物神经元模型神经元是脑组织的基本单元，人脑是由大约140多亿个神经元组成的巨系统。神经元的结构如下图所示：一、预备知识（2）2、神经元的突触：突触是两个细胞之间连接的基本单元，每个细胞约有个突触。突触主要有两种连接方式：一是一个神经细胞的轴突与另一个神经细胞的树突发生接触；

2、二是一个神经细胞的轴突与另一个神经细胞的胞体接触。一、预备知识（3）突触有两种类型：兴奋型和抑制型。突触的界面具有脉冲/电位信号转换功能，它能将沿神经纤维传递的等幅、恒宽、编码的离散脉冲信号，转换为细胞膜可以处理的连续电位信号。一、预备知识（4）3、突触动力学：突触能够传递神经冲动。树突从四方收集由其它神经细胞传来的信息，信息流由树突出发，经过细胞体，然后由轴突输出。信息传递在突触处主要是发生化学和电的变化，从而对神经细胞产生一个兴奋或抑制的动力。一、预备知识（5）4、人工神经网络的分类：人工神经网络的分类有多

3、种方法，但通常采用如下分类：按网络结构分为：前馈网络和反馈网络；按学习方式分为：监督学习和非监督学习，也叫有导师学习和无导师学习。本章主要论述前馈网络的监督学习算法。一、预备知识（6）5、什么是学习？学习就是对信息进行编码,其目的就是通过向有限个例子（训练样本）的学习来找到隐藏在例子背后（即产生这些例子）的规律（如函数形式）。当样本数据改变系统参数时，系统会对这些改变进行自适应或自组织的学习，在神经网络中表现为突触的改变。按突触修正假说，神经网络在拓扑结构固定时，其学习归结为连接权的变化。所以，对固定拓扑的神经

4、网络，学习就是求权值，即突触矩阵。一、预备知识（7）6、什么是监督？监督就是对每一个输入Xi,都假定我们已经知道它的期望输出Yi,这个Yi可以理解为监督信号，也叫“教师信号”。对每一个输入Xi及其对其估计的期望输出Yi，就构成了一个训练样本。一、预备知识（8）7、学习的种类：学习的种类有四种：死记式学习，学习律，自组织的学习和Hebbian学习律，相近学习。由于监督学习主要使用的是学习律，所以，在此主要介绍学习律。一、预备知识（9）8、学习律这种方法是用已知例子作为教师对网络的权进行学习。其规则是通过神经网络理

5、想输出和实际输出之间的误差来修正网络的权值。在很多神经网络中，都采用了这种学习方法，如Perceptron，Adaline和Back-propagation算法等。一、预备知识（10）9、有监督的学习有监督的学习就是根据这若干组训练样本，对人工神经网络进行训练，利用学习系统的误差（E[J]，为期望输出与实际输出之差），不断校正学习系统的行为（即突触权值），使误差尽可能地小，从而估计出神经元函数：f:x—y。所以，监督学习的最终任务，就是通过使系统误差尽可能地小，不断地调整突触权值，最终求出神经元函数f。一、预备

6、知识（11）10、监督学习与非监督学习的区别：在监督学习中，假定我们知道每一输入对应的期望输出，并利用学习系统的误差，不断校正系统的行为；在非监督学习中，我们不知道学习系统的期望输出。11、前馈神经网络的结构示意图特点：各神经元接受前一级输入，并输出到下一级，无反馈。输入、输出节点称为可见层，其它中间层称为隐层。12、监督学习流图其关键之处，就是将教师信号加入到了网络中.二、有监督的函数估计(1)在学习之前，神经网络犹如一个黑盒子，我们能做的，就是可以给它加一定的输入Xi，再给每个输入Xi提供一个期望输出Yi，

7、即“教师信号”，从而形成了一系列的样本对（Xi,Yi）。有监督的函数估计，就是通过包含“教师信号”的样本对（Xi,Yi）,求出神经网络的传输函数f的近似表达式。二、有监督的函数估计(2)采用的方法，就是利用误差函数E[J]（期望输出与实际输出的差值），不断调整ANN的突触权值，使E[J]达到最小，从而达到对ANN函数的估计。二、有监督的函数估计(3)已知随机样本矢量对通过实验可以测出实际输出求出E[J]=-然后通过使E[J]最小而修改突触权值来求出f:其中F是要估计的ANN函数；是输入空间；是输出空间。三、监督

8、学习就是有效的训练有效训练是指，对具有记忆功能的系统，当使用训练样本对其进行学习之后，系统能够记住所学的方法，并能处理类似的问题。对ANN进行有监督的学习就是有记忆功能的系统。也就是说，使用期望输出与实际输出的误差不断校正其突触权值，最终的结果，就是系统具备了一定的功能，训练取得了一定的成效。就像巴普洛夫条件反射试验一样。四、已知类隶属度的监督学习（1）就是用已知的模式类的隶属度函数，