人工神经网络ppt课件.ppt

《人工神经网络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5章智能计算5.1人工神经网络简介ArtificialNeuralNetwork生物神经网络人类的大脑大约有1.41011个神经细胞，亦称为神经元。每个神经元有数以千计的通道同其它神经元广泛相互连接，形成复杂的生物神经网络。神经元由细胞体及其发出的许多突起构成。生物神经元（1）细胞体：由细胞核、细胞质和细胞膜组成。（2）树突：胞体上短而多分枝的突起。相当于神经元的输入端，接收传入的神经冲动。（3）轴突：胞体上最长枝的突起，端部有很多神经末稍传出神经冲动。突触神经末梢树突细胞膜细胞核轴突细胞质（4）突触：神经元间的连

2、接接口，每个神经元约有1万～10万个突触。神经元通过其轴突的神经末稍，经突触与另一神经元的树突联接，实现信息的传递。由于突触的信息传递特性是可变的，形成了神经元间联接的柔性，称为结构的可塑性。突触神经末梢树突细胞膜细胞核轴突细胞质（5）细胞膜电位：神经细胞在受到电的、化学的、机械的刺激后，能产生兴奋，此时，细胞膜内外有电位差，称膜电位。电位膜内为正，膜外为负。神经元功能——兴奋与抑制当传入神经元的冲动，经整和，使细胞膜电位升高，超过动作电位的阈值时，为兴奋状态，产生神经冲动，由轴突经神经末稍传出。当传入神经元的冲动，经

3、整和，使细胞膜电位降低，低于阈值时，为抑制状态，不产生神经冲动。生物神经元—信息处理单元生物神经元—信息处理单元生物神经元—信息处理单元生物神经元—信息处理单元生物神经元—信息处理单元生物神经元—信息处理单元神经元及其联结；神经元之间的联结强度决定信号传递的强弱；神经元之间的联结强度可以改变；信号分为兴奋型和抑制型；一个神经元接受的信号的累计效果决定该神经元的状态；每个神经元有一个阈值。生物神经元的基本特征人工神经元模型人工神经网络的基本要素是人工神经元。人工神经元只模拟了生物神经元的三个基本功能：（1）对每个输入信号

4、进行处理，以确定其强度（权值）；（2）确定所有输入信号的组合（加权和）；（3）确定其输出（转移特性）。上面已指出，一个生物神经元的基本功能是将输入量加权后相加，当加权和超过某一阈值后就产生一定输出。这点是模拟神经元时所应抓住的基本特征。突触神经末梢树突细胞膜细胞核轴突细胞质轴突突触树突内核轴突模拟神经元的首要目标：输入信号的加权和。人工神经元可以接受一组来自系统中其它神经元的输入信号，每个输入对应一个权，所有输入的加权和决定该神经元的激活状态。每个权就相当于突触的联结强度。w1wixiw2wnx1x2xn人工神经元数

5、学模型设X=(x1,x2,…,xn)表示n个输入，W=(w1,w2,…,wn)表示它们对应的联结权重。故神经元所获得的输入信号累计效果为：w1wixiw2wnx1x2xn信息输入信息传播与处理：积与和信息传播信息传播与处理：非线性信息输出神经元获得网络输入信号后，信号累计效果整合函数u(x)大于某阈值时，神经元处于激发状态；反之，神经元处于抑制状态。构造作用函数，用于表示这一转换过程。要求是[-1,1]之间的单调递增函数。作用函数通常为3种类型，由此决定了神经元的输出特征。符号函数1-1u分段线性函数1-1

6、uSigmoid函数1-1u其特点是单调递增、光滑且具有渐近值，具有解析上的优点。M-P模型将人工神经元的基本模型与激活函数结合，即McCulloch–Pitts模型。w1u=wixiw2wnx1x2xny=(u(x)-)基本思想：逐步将训练集中的样本输入到网络中，根据输出结果和理想输出之间的差别来调整网络中的权重值。学习的问题归结为求权重系数W=(w1,w2,…,wn)和阈值的问题。w1u=wixiw2wnx1x2xny=(u(x)-)基本思想单层感知器不能表达的问题被称为线性不可分问题。19

7、69年，Minsky(明斯基)证明了“异或”问题是线性不可分问题：“异或”（XOR）运算的定义如下：线性不可分问题异或问题从几何意义上讲，相当于一个正方形有四个顶点，不存在一条直线能将●和●分开的，所以，简单感知器无法实现异或问题。●●●●●相关研究表明，线性不可分函数的数量随着输入变量个数的增加而快速增加，甚至远远超过了线性可分函数的个数。也就是说，单层感知器不能表达的问题的数量远远超过了它所能表达的问题的数量。当Minsky给出单层感知器的这一致命缺陷时，人工神经网络的研究跌入漫长的黑暗期。解决途径——多层网络多层

8、感知器与单层感知器在结构上的区别在于，多层感知器含有隐层。x1z0xnz1zn二层感知器假设输入向量为二维的，可分为两类：一类输人向量全在凸集合R1内；另一类全在R1外。可以证明，如果应用如图所示的二层感知器网络，则可完成对它们的正确分类。2、三层感知器具有两个隐层的三层感知器，可以证明，它可完成对任何非交集合进行分类。更准确地说