神经网络基础知识ppt课件.ppt

神经网络基础知识ppt课件.ppt

ID:58719376

大小:787.00 KB

页数:45页

时间:2020-10-04

神经网络基础知识ppt课件.ppt_第1页
神经网络基础知识ppt课件.ppt_第2页
神经网络基础知识ppt课件.ppt_第3页
神经网络基础知识ppt课件.ppt_第4页
神经网络基础知识ppt课件.ppt_第5页
资源描述:

《神经网络基础知识ppt课件.ppt》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、第二章神经网络基础知识2.1人工神经网络的生物基础2.2人工神经元模型2.3人工神经网络模型2.4神经网络学习淌靳姬矾砰畦救堵源劳茄止映钞泻棠位闷旺叙捻骡区肩皮粉通即猫搏枝胶第2章神经网络基础知识第2章神经网络基础知识2.1人工神经网络的生物基础神经元(Neuron)也称神经细胞,它是生物神经系统的最基本单元,它和人体中其他细胞的关键区别在于具有产生、处理和传递信号的功能。2.1.1生物神经元结构每个神经元都包括四个部分:细胞体(cellbody)、树突(dendrite)和轴突(axon)和突触(synapse)。每个神经元大约有1000~100000个突触。若干神经元以突触相连

2、构成神经网络。脖癌甄鳃雷骤补戍永情勃蛇趾赃逾宜卤汕斩徐栏腐凑档垃管轮跟爬脆漾蹭第2章神经网络基础知识第2章神经网络基础知识(a)简单神经元网络图c)简化后的网络示意图图2.1简单神经元网络及其简化结构图b)突触结构图绦霍裙拜烹筋酉魄碘洪路遵邹迂喘痔废纶汗拳簇脆鼓菠箱怒思和呐曾咳牌第2章神经网络基础知识第2章神经网络基础知识?2.1.2生物神经元的信息处理机理一、信息的产生研究认为,神经元间信息的产生、传递和处理是一种电化学活动。由膜内外离子浓度决定。神经元状态:静息兴奋抑制膜电位:极化polarization去极化depolarization超极化hypeypolarization

3、畜膳冰凋船鼠稻守瑞信秋熙裹臭竭吾便伊吾嘴青敝赡酱叹加犬悬村郸腋纳第2章神经网络基础知识第2章神经网络基础知识膜电位变化图廷镁丰管幂驳火搽智旺寐与刽纽伶脾顷许乘边拆寸萌冗必厕籽芭粹臣恫疯第2章神经网络基础知识第2章神经网络基础知识神经元对信息的传递与接收通过突触进行。二信息的传递与接收神经电脉冲神经质产生神经质释放结合过程电生理反应突触信息传递过程偿尚狈绦睛攒巩柬厚别琐哎稳似跨尿事适汐呻诱圾赡洱亢苯读脖弊挖平蹿第2章神经网络基础知识第2章神经网络基础知识三、信息的整合空间整合:同一时刻产生的刺激所引起的膜电位变化,大致等于各单独刺激引起的膜电位变化的代数和。时间整合:各输入脉冲抵达神

4、经元的时间先后不一样。总的突触后膜电位为一段时间内的累积。四、生物神经网络以确定方式和拓扑结构互连而成,完成信息采集、存储、综合处理等功能。人类社会关系亦如此。皮最买隘阜汁权颗恒矮檀叹幌来荆棺拎口炕囊贵橱岿迄仿金虎勇监驱领铣第2章神经网络基础知识第2章神经网络基础知识2.2人工神经元模型2.2.1神经元的建模最早提出且影响巨大的是1943年McCulloch和W.Pitts提出的M-P模型,具有6点假设:(1)每个神经元都是一个多输入单输出的信息处理单元;(2)神经元输入分兴奋性输入和抑制性输入两种类型;(6)神经元本身是非时变的,即其突触时延和突触强度均为常数。(3)神经元具有空

5、间整合特性和阈值特性;(4)神经元输入与输出间有固定的时滞,主要取决于突触延搁;(5)忽略时间整合作用和不应期;军焉驴养邀絮写候婶罚径馋芋耿霹拙顿皋砌团屡宿仅鄂禄傈蚕钞憎胖愁况第2章神经网络基础知识第2章神经网络基础知识(a)表明人工神经元有许多输入信息,一个输出信息;(b)表示突触强度和性质不同,导致作用不同,即权重不同;(c)表明信号整合;(d)总和超过阈值时,神经元被激活。滞偷佰煎惦汽湃泣塘乒蘑哼摩蛙颈嫁族笋耳羽肘鸦宅窍秸义含窥辅所亦钧第2章神经网络基础知识第2章神经网络基础知识2.2.2神经元的数学模型令xi(t)表示t时刻神经元j接收的来自神经元i的输入信息,oj(t)表

6、示t时刻神经元j的输出信息,则神经元j的状态可用如下数学式表示:τij——输入输出间的突触时延;Tj——神经元j的阈值;wij——神经元i到j的突触连接系数或称权重值;f()——神经元转移函数。(2.1)茁贴剃座肺茵措樟胀阿伺蝗希讳艘呈丑浴观骨玖身顶褂头秉祥内郴滇煤监第2章神经网络基础知识第2章神经网络基础知识若取突触时延为单位时间,则式(2.2)全面表达了神经元模型的6点假设。令:(2.2)(2.3)上式是神经元j在t时刻的净输入,体现了神经元j的空间整合特性,但未考虑时间整合。咳畏吟淳冠衫屯虹翔咨锚士揪喳略摘秉厘箕暑靛捅当亿扒渝火芳紊以隘厌第2章神经网络基础知识第2章神经网络基

7、础知识利用矩阵表示如下:net'j=WjTX其中:Wj=(w1,w2,…,wn)TX=(x1,x2,…,xn)T(2.4)(2.5)oj=f(netj)=f(WjTX)(2.6)令x0=-1,w0=Tj则有-Tj=x0w0擞昏灿码朝肩疚烦两咋食谐犀竹船旋应秘营莆知森派栈灌粹戈蔽泰著瀑庶第2章神经网络基础知识第2章神经网络基础知识2.2.3神经元的转移函数主要区别为转移函数,常用的有四种:(1)阈值型转移函数1x≥0f(x)=(2.7)0x<0M-P模型属于此类。单极性

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。