欢迎来到天天文库
浏览记录
ID：75339703
大小：558.50 KB
页数：99页
时间：2021-12-13
《人工神经网络与神经网络优化算法》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、人工神经网络与神经网络优化算法人工神经网络是近年来得到迅速发展的一个前沿课题。神经网络由于其大规模并行处理、容错性、自组织和自适应能力和联想功能强等特点，已成为解决很多问题的有力工具。首先对神经网络作简单介绍，然后介绍几种常用的神经网络，包括前向神经网络。人工神经网络与神经网络优化算法人工神经网络发展简史最早的研究可以追溯到20世纪40年代。1943年，心理学家McCulloch和数学家Pitts合作提出了形式神经元的数学模型。这一模型一般被简称M-P神经网络模型，至今仍在应用，可以说，人工神经网络的研究时代，
2、就由此开始了。1949年，心理学家Hebb提出神经系统的学习规则，为神经网络的学习算法奠定了基础。现在，这个规则被称为Hebb规则，许多人工神经网络的学习还遵循这一规则。人工神经网络与神经网络优化算法1957年，F.Rosenblatt提出“感知器”(Perceptron)模型，第一次把神经网络的研究从纯理论的探讨付诸工程实践，掀起了人工神经网络研究的第一次高潮。20世纪60年代以后，数字计算机的发展达到全盛时期，人们误以为数字计算机可以解决人工智能、专家系统、模式识别问题，而放松了对“感知器”的研究。于是，从
3、20世纪60年代末期起，人工神经网络的研究进入了低潮。人工神经网络与神经网络优化算法1982年，美国加州工学院物理学家Hopfield提出了离散的神经网络模型，标志着神经网络的研究又进入了一个新高潮。1984年，Hopfield又提出连续神经网络模型，开拓了计算机应用神经网络的新途径。1986年，Rumelhart和Meclelland提出多层网络的误差反传(backpropagation)学习算法，简称BP算法。BP算法是目前最为重要、应用最广的人工神经网络算法之一。人工神经网络与神经网络优化算法自20世纪8
4、0年代中期以来，世界上许多国家掀起了神经网络的研究热潮，可以说神经网络已成为国际上的一个研究热点。生物神经网1、构成胞体(Soma)枝蔓（Dendrite）胞体(Soma)轴突（Axon）突触（Synapse）2、工作过程生物神经网3、六个基本特征：1）神经元及其联接；2）神经元之间的联接强度决定信号传递的强弱；3）神经元之间的联接强度是可以随训练改变的；4）信号可以是起刺激作用的，也可以是起抑制作用的；5）一个神经元接受的信号的累积效果决定该神经元的状态；6)每个神经元可以有一个“阈值”。人工神经元神经元是构
5、成神经网络的最基本单元（构件）。人工神经元模型应该具有生物神经元的六个基本特性。人工神经元的基本构成人工神经元模拟生物神经元的一阶特性。输入：X=（x1，x2，…，xn）联接权：W=（w1，w2，…，wn）T网络输入：net=∑xiwi向量形式：net=XWxnwn∑x1w1x2w2net=X
此文档下载收益归作者所有
