人工神经收集.ppt

人工神经网络 制作者：仲伟汉 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（Artificial Neural Networks，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人脑结构及其功能的智能信息处理系统. 1.2 人工神经网络的基本特点与功能 人工神经网络是基于对人脑组织结构、活动机制的初步认识提出的一种新型信息处理体系。通过模仿脑神经系统的组织结构以及某些活动机制，人工神经网络可呈现出人脑的许多特征，并具有人脑的一些基本功能。 1. 人工神经网络的基本特点 下面从结构、性能和能力三个方面介绍人工神经网络的基本特点。 （1）结构特点：信息处理的并行性、信息存储的分布性、信息处理单元的互连性、结构的可塑性 （2）性能特点：高度的非线性、良好的容错性和计算的非精确性 （3）能力特征：自学习、自组织与自适应性 2.人工神经网络的基本功能 人工神经网络是借鉴于生物神经网络而发展起来的新型智能信息处理系统，由于其结构上“仿造”了人脑的生物神经系统，因而其功能上也具有了某种智能特点. 下面对人工神经网络的基本功能进行简要介绍. 1.联想记忆：由于人工神经网络具有分布存储信息和并行计算的性能，因此它具有对外界刺激信息和输入模式进行联想记忆的能力。联想记忆有两种基本形式：自联想记忆、异联想记忆 2.非线性映射：设计合理的人工神经网络通过对系统输入输出样本对进行自动学习，能够以任意精度逼近任意复杂的非线性映射 3.分类与识别：人工神经网络对外界输入样本具有很强的识别与分类能力,比传统的分类器具有更好的分类与识别能力。 4.优化计算：利用人工神经网络可以在已知的约束条件下，寻找一组参数组合，使由该组合确定的目标函数达到最小值，即优化计算 5.知识处理：在很多情况下，利用人工神经网络处理这类知识：无法用明确的概念和模型表达，或者概念的定义十分模糊，甚至解决问题的信息不完整、不全面 1.3 人工神经网络的应用领域 1. 信息处理领域 (a)信号处理 (b)模式识别 (c)数据压缩 2. 自动化领域 (a)系统辨识 (b)神经控制器 (c)智能检测 3. 工程领域 (a)汽车工程 (b)军事工程 (c)化学工程 (d)水利工程 4. 医学领域 (a)检测数据分析 (b)生物活性研究 (c)医学专家系统 5. 经济领域 (a)信贷分析 (b)市场预测 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 （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