5神经网络讲解.ppt

神经网络;一、神经网络的概念;二、神经网络的分类 没有反馈的前向网络（如BP） 即各神经元接收前一层的输入，并输 出给下一层，没有反馈。 神经网络的连接 相互结合型网络（如Hopfiled） 即任意两个神经元都可能有连接， 输入信号在网络中往返传递。;主要细分如下：; 三、神经网络的特点 (1)可以充分逼近任意复杂的非线性关系； (2)所有定量或定性的信息都等势分布贮存于网络内的各神经 元，故有很强的鲁棒性和容错性； (3)采用并行分布处理方法，能快速进行大量运算，具有高度 的并行结构和并行实现能力，具有高速寻找优化解的能力， 能够发挥计算机的高速运算能力，可能很快找到优???解。 (4)具有自学习功能，通过对过去的历史数据的学习，训练出 一个具有归纳全部数据的特定的神经网络，自学习功能对 于预测有特别重要的意义。 (5)能够同时处理定量、定性知识。 ;四、神经网络的控制特点;五、举例说明 现在用一个例子具体说明神经网络的工作过程。 举一个关于人识别技术的例子，当我们看过一个人也就是识别对象以后，我们首先提取其关键的外部特征比如身高，体形，面部特征，声音等等。根据这些信息大脑迅速在内部寻找相关的记忆区间，有这个人的信息的话，这个人就是熟人，否则就是陌生人。;人工神经网络就是这种机理。假设下图中X(1)代表我们给电脑输入的人的面部特征，X(2)代表人的身高特征，X(3)代表人的体形特征，X(4)代表人的声音特征。W(1)W(2)W(3)W(4)分别代表四种特征的连接权重。 ;现在随便找一个人A站在电脑前，电脑根据预设变量提取这个人的信息（面部信息，身高多少，体形胖瘦，声音特征），链接权重初始值是随机的，假设每一个W均是0.25,这时候电脑按这个公式自动计算, Y=X(1)*W(1)+X(2)*W(2)+X(3)*W(3)+X(4)*W(4) 得出一个结果Y,这个Y要和一个门槛值（设为Q）进行比较，如果YQ,那么电脑就判定这个人是A，否则判定不是A。由于第一次计算电脑没有经验，所以结果是随机的，我们认定结果是正确的。 ; 现在还是让A站在电脑前，A怕被电脑认出来换了一件衣服。 这个行为影响了A的体形，就是X(3)发生了变化，所以最后计算的Y值也变了，它和Q比较的结果随即也发生了变化。 这时候电脑判断失误了，它的结论是这个人不是A，但是我们告诉它这个人就是A，电脑就会追溯自己的判断过程到底是哪一步出错了，当发现A的体形X(3)这个体征的变化导致了它判断失误。;这个属性值对电脑在人的识别中就不那么重要，电脑自动修改其权重W(3)。 第一次对体型X(3)的权值W(3)=0.25就相信了，现在降低信任值，0.10就相信了，修改了这个权重也就意味着电脑通过学习认为体形在判断一个人是否是自己认识的人的时候并不是那么重要。 这就是机器学习的一个循环，我们可以要求A再改变身高这个属性，让电脑再一次进行学习。;.通过变换所有可能变换的外部特征，轮换让电脑学习记忆，多次学习后，电脑就会记住A这个人比较关键的特征——也就是没有经过修改的特征。 经过A的训练电脑，电脑已经非常聪明了，这时再怎么改变A的外部特征，电脑都可以迅速的判断这个人就是A，因为电脑已经不主要依据这些外部特征识别人了，通过改变衣服、身高已经骗不了它了。这就是神经网络工作的主要特征。 ;六、BP神经网络实例分析;根据BP网络的算法，我们可得流程图如下。;某大学某班体育课进行班级体育测试。一个同学因临时有事，举重未测，现在通过其他同学的成绩进行神经网络预测。最终估计出此同学合理的举重成绩。 现将所有同学的各项成绩汇总成表，并把缺省同学的缺省项成绩空出，通过BP神经网络进行预测。; 表1是男生体能测试的各项素质指标。根据表1，预测15号同学的举重成绩。;表1 某班男生体育测试各项素质指标;1、隐层设计; 目前，对于隐层中神经元数目的确定并没有明确的公式，只有一些经验公式，神经元个数的最终确定还是需要根据经验和多次实验来确定。本文在选取隐层神经元个数的问题上参照了以下的经验公式： 其中，n为输入层神经元个数，m 为输出层神经元个数，a 为[ 1, 10]之间的常数。 根据上式可