第8章人工神经网络.pptVIP

  1. 1、本文档共25页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第8章人工神经网络

第8章 人工神经网络 (Artificial Neural Network,ANN) 第8章 人工神经网络 8.1 人工神经网络概述 8.2 神经元模型 8.3 ANN的学习算法 8.4 应用举例 一、人工神经网络的提出 AI研究的两大学派: 符号主义——用计算机从外特性上模仿人脑宏观的功能 连接主义——在微观内部结构上模仿人脑的神经 一、人工神经网络的提出 符号主义认为: 智能活动的基本元素是符号; 智能活动的过程是符号处理的过程。 连接主义认为: 智能活动的基本元素是神经元; 智能活动的过程是大量的相联结的神经元的并行作用的过程。 二、人工神经网络的历史 早期阶段(~1960’s) 1943 McCulloch和Pitts 提出神经元的数学模型(MP模型) 1949 Hebb 提出权重加强的学习机理 1957 Rosenblatt 感知机(perceptron)有认知学习功能 1969 Mingsky 专著“perceptron” 证明线性(单层)感知 机不能解决XOR问题,ANN进入低潮 二、人工神经网络的历史 过渡期(1970’s) 低潮中,许多学者深入研究ANN理论、模型。 MIT的Marr提出视觉模型 Boston Univ的Grossbery全面研究ANN理论,提出ART1,ART2,ART3自适应谐振理论模型。 甘利俊一 ANN的数学理论 Fuknshima 神经认知网络理论 芬兰的Kohonen 自组织联想记忆 二、人工神经网络的历史 高潮(1980~) 1982 加州理工 Hopfield提出结点全互联ANN模型(Hop模型),用单层ANN解决了TSP问题 1987.6 ICNN(International Conference on NN)召开 1987 加州理工 Abn-mostafa,Psaitis 2D联想存储输入残缺图案也可识别 1988 ATT Bell lab 120*120元件的ANN 1989 三菱 光学ANN芯片,32个神经元识别26个字母 1989 日立 5“硅片集成576个神经元 1990 Bell Lab 黄庭钰 数字光学处理器 1990 IBM AS400 提供ANN仿真开发环境 1992 SGI 将ANN用于航天飞机控制臂 ANN已在专家系统、智能控制等领域广泛应用 第8章 人工神经网络 8.1 人工神经网络概述 8.2 神经元模型 8.3 ANN的学习算法 8.4 应用举例 一、生物神经网的构成 二、MP模型 二、MP模型 线性函数 y=kx+c 二、MP模型 阈值函数 二、MP模型 S形函数(Sigmoid Function) 二、MP模型 考虑偏置与阈值,神经元模型 三、ANN连接模型 前馈型网络 三、ANN连接模型 前馈型网络 输入/输出:二值(0,1)或连续值 权值:可正可负 权值矩阵: 学习的过程——不断修改权值的过程 三、ANN连接模型 反馈型网络 三、ANN连接模型 反馈型网络 层间反馈——非线性动力系统 层内反馈——横向抑制、竞争 Hopfield网是单层节点全互连的反馈网 第8章 人工神经网络 8.1 人工神经网络概述 8.2 神经元模型 8.3 ANN的学习算法 8.4 应用举例 8.3 ANN的学习算法 ANN的学习算法可分为 有导师学习 无导师学习 自学习、自组织 一、Hebb学习规则 两个细胞同时兴奋,则它们之间连接(权) 应加强。 属于无导师学习 二、反向传播算法 (Back-Propagation, B-P算法) (有导师学习) 用于前馈网络 从训练范例集中取一训练时,输入网络 正向传播求输出 计算输出与应有输出之误差 反向传播,逐层修正权值,使误差减小 重复以上步骤,直至整个训练集误差最小。 总结 ANN的学习算法 第七章 人工神经网络 8.1 人工神经网络概述 8.2 神经元模型 8.3 ANN的学习算法 8.4 应用举例 8.4 应用举例 XOR 1      θ=0.5 -1 1 -1 1 1

文档评论(0)

zsmfjh + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档