最新人工神经网络ppt课件ppt.ppt

《最新人工神经网络ppt课件ppt.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、人工神经网络ppt目录第一章人工神经网络的简介第二章人工神经网络第三章感知器神经网络第四章自组织竞争神经网络第五章径向基函数神经网络第六章反馈神经网络第七章小脑模型神经网络第八章支持向量机第九章遗传算法与神经网络进化第十章人工神经网络的适用范围第一章人工神经网络的简介1.1什么是人工神经网络在对人脑神经网络的基本认识的基础上，用数理方法从信息处理的角度对人脑神经网络进行抽象，并建立某种简化模型，就称为人工神经网络（ArtificialNeuralNetworks，ANN）.人工神经网络远不是人脑生物神经网络的真实写照，而只是对它的简化、抽象与模拟.因此，人工神经网络是一种旨在模仿

2、人脑结构及其功能的智能信息处理系统.第二章人工神经网络2.1人工神经网络模型人工神经网络的模型很多，可以按照不同的方法进行分类。其中常见的两种分类方法是：按网络连接的拓扑结构分类和按网络内部的信息流向分类。（1）网络拓扑结构类型神经元之间的连接方式不同，网络的拓扑结构也不同。根据神经元之间连接方式，可将人工神经网络结构分为两大类：（a）层次型结构具有层次型结构的人工神经网络将神经元按功能分成若干层，如输入层、中间层（也称为隐层）和输出层，各层顺序相连。层次型网络结构有三种典型的结合方式：（a）单纯型层次网络结构（b）输出层到输入层有连接的层次网络结构（c）层内有互连的层次网络结构

3、（b）互连型结构对于互连型网络结构，网络中任意两个节点之间都可能存在连接路径，如图7.8（d）所示。因此可以根据网络中节点的互连程度将互连型网络结构细分为三种情况：(1)全互连型:网络中的每个节点均与所有其他节点连接(2)局部互连型：网络中的每个节点只与其领近的节点有连接(3)稀疏连接型：网络中的节点只与少数相距较远的节点相连（2）网络信息流向类型根据人工神经网络内部信息的传递方向，可分为两种类型：(a)前馈型网络前馈是因为网络信息处理的方向是从输入层到各隐层再到输出层逐层进行而得名。(b)反馈型网络单纯全互连结构网络是一种典型的反馈型网络。在反馈型网络中所有节点都具有信息处理功

4、能，而且每个节点既可以从外界接收输入，同时又可以向外界输出。2.2人工神经网络学习人工神经网络的学习算法很多，根据一种广泛采用的分类方法，可将人工神经网络的学习算法归纳为三类：（1）有导师学习（或称有监督学习）（2）无导师学习（或称无监督学习）（3）灌输式学习下面表格对常用学习算法作一简要概括，其具体应用将在后续各章中展开。对人工神经网络的常用学习规则列表如下：学习规则权值调整权值初始化学习方式变换函数向量式元素式HebbianΔWij=ηf(WjTX)xΔωij=ηf(WjTX)xi0无导师任意离散PerceptronΔWj=η[dj-sgn(WjT)X]xΔωij=η[dj-

5、sgn(WjT)X]xi任意有导师二进制连续感知器δ规则ΔWj=η(dj-oj)f(netj)XΔωij=η(dj-oj)f(netj)xi任意有导师连续最小均方LMSΔWj=η(dj-WjTx)XΔωij=(dj-WjTx)xi任意有导师任意相关CorrelationΔWj=ηdjXΔωij=ηdjxi0有导师任意胜者为王Winner-take-allΔWj*=η(X-Wj*)ΔWj*=η(xi-ωij*)随机、归一化无导师连续外星OutstarΔWj=η(d-Wj)Δωij=η(dk-ωkj)0有导师连续第三章感知器神经网络感知器是一种前馈网络，是人工神经网络中的一种典型结构

6、。根据感知器神经元变换函数、隐层数以及权值调整规则的不同，可以形成具有各种功能特点的人工神经网络。3.1单层感知器1958年，美国心理学家FrankRosenblatt提出一种具有单层计算单元的神经网络，称为Perceptron，即感知器。感知器模拟人的视觉接收环境信息，并由神经冲动进行信息传递。感知器研究中首次提出了自组织、自学习的思想，而且对所能解决的问题存在着收敛算法，并能从数学上严格说明，因而对神经网络的研究起了重要推动作用。（1）感知器模型单层感知器是指只有一层处理单元的感知器，如果包括输入层在内，应为两层。图中输入层也称为感知层，有n个神经元节点，这些节点只负责引入外

7、部信息，自身无信息处理能力。输出层也称为处理层，有m个神经元节点，每个节点均具有信息处理能力。o1单层感知器x1x2o2omxn…………输入层输出层（2）单层感知器的功能一个最简单的单计算节点感知器具有分类功能。其分类原理是将分类知识存储于感知器的权向量（包含了阈值）中，由权向量确定的分类判决界面将输入模式分为两类。单计算节点感知器可具有逻辑“与”和逻辑“或”的功能，而不具有“异或”功能。单计算节点感知器只能解决线性可分的问题而不能解决线性不可分问题。由此可知，单计算层感知器的局