人工神经网络复习资料.docx

《人工神经网络复习资料.docx》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、百度文库-让每个人平等地提升自我人工神经网络复习资料第一次课1•人工神经元模型*modelofartilicialneuron^—一2.homeworkCalculatingtheoutputofartificialneuronModel3.ForwardNeuralNetworksModel前向神经网络模型FeedbackNeuralNetworksModel反馈神经网络模型NeuralNetworksControlSystem神经网络控制系统IntegratedNeuralNetworks集成神经网络9百度文库-让每个人平等地提升自我4.•modelofartificial

2、neuralnetworkOutput9百度文库-让每个人平等地提升自我5.Architectureoftwotypicalneuralnetworks9百度文库-让每个人平等地提升自我9百度文库-让每个人平等地提升自我前层,the6.Whennonode节点outputisaninputtoanodeinthesamelayerorprecedinglayernetworkisafeedforwardnetwork（前向网络）.9百度文库-让每个人平等地提升自我9百度文库-让每个人平等地提升自我当输出被引导为输入到相同的或之前的层节点时，网络是反馈网络反馈网络，封闭的循环称为

3、复发性网络（递归网络）9百度文库-让每个人平等地提升自我Lecture2FoiMardNeuralNetworksModelArchitectureInputlayerhiddenlayerOuiputlayer*AgjIS懈Where,thecirclesrepresenttheneuronsandthelinesrepresenttheconnectionsbetweentheinputsandneurons,andbetweentheneuronsinonelayerandthoseinthenextlayerA：那叽関圈代表神经元，线代表输入和神经元之间的连接，以及个层

4、的神经兀和下层的神经兀之间8.TypicalForwardNeuralNetworksModelrPerceptron備也1贱Adaline线杵押紿料络/bp(Back-propagation)谀斧痕向代播RBF(RadialBasisFunction)栓向卑料堆*1VQ学月％量茁讹神蛭网络SiOM自纽织映射神竝网鲂/Ehndfi局訓创创网垢/9百度文库-让每个人平等地提升自我神经网络八貼垃循坏种经网劭)、/I覆咼神磐财络19.神经网络的用途是1分类2模式识别、特征提取、图像匹配3降噪4预测9百度文库-让每个人平等地提升自我4•感知器（前向网络）Perceptron1Archi

5、tecture*Asimplefeed-forwardnetwork(!t^)JII器是最简单的前岛网络｝InputlayerOutputlayer9百度文库-让每个人平等地提升自我9百度文库-让每个人平等地提升自我5.感知器是一个具有单层计算神经元的神经网络，并由线性阈值元件组成，是最简单的前向网络。感知器模型是美国学者罗森勃拉特（Rosenblatt）为研究大脑的存储、学习和认知过程而提出的一类具有自学习能力的神经网络模型，Rosenblatt提出的感知器模型是一个只有单层计算单元的前向神经网络，称为单层感知器。它主要用于模式分类，单层的感知器网络结构如下图所示。Input

6、1J11Outputneuronsuseasimplethreshold.I-—,丿activationfunction5•感知器算法1）随机地给定一组连接权2）输入一组样本和期望的输出3）计算感知器实际输出4）修正权值5）选取另外一组样本，重复上述2）〜4）的过程，直到权值对一切样本均稳定不变为止，学习过程结束。9百度文库-让每个人平等地提升自我5.PerceptronLearningRuleAw=arxLearningRateErrorid-v)Input•Iheweightsoftheneuralnebvorksaremodifiedduringthelearningph

7、asew.(/+1)=Wj(Z)+Aw.(z)Wj(f+1)=Wj(f)+a(dp-儿。)肉d=Desiredoutput,y=Actualoutput,(iisthelearning「mtE.该学习算法收敛的充分必要条件是输入样本是线性可分的。同时的选取也是十分关键的。学习率选取太小，学习太慢；学习率太大，学习过程可能出现修正过头的情况，从而产生振荡。5•感知器训练规则及计算方法的掌握感丸娥PerceptronTrainingExampleIftheoutputisnotcorrect,t