多层前馈网路.ppt

第一章 類神經網路之簡介 前言 程序建立系統數學模型process modeling 基本模式: 基本物理化學定律 經驗模式: 曲線擬合curve fitting 類神經不同於經驗統計建模 過濾功能: 每一個節點只映射出一個微特徵 適應性學習能力: 隨時調整權重值 多輸入多輸出系統: 任意數目輸出入節點 MATLAB Neural Network nntool 1.1 為什麼要用類神經網路 電腦的有效性仍然令我們失望，譬如說在影像辨識、語音辯認、以及決策處理等方面的問題上。 在於數位電腦基本架構的限制，因其本質上就只能根據使用者撰寫的電腦程式來執行運算。 期望能夠設計出一部能像人類大腦一樣，能夠學習及具有智慧的機器，如此一來，許多複雜難解、或有生命危險等高難度的工作，便可以交由此等智慧型的機器來完成。 1.2 生物神經網路 (1) 如何藉助生物神經系統處理資訊的模式及架構，來設計出有智慧的機器是一大挑戰。 1.2 生物神經網路 (2) 基本上，有兩種不同的途逕來嘗試研究大腦的功能。第一種屬於由下而上的方式，通常生物神經學家 (neurobiologists) 採用此種方式，藉由對單一神經細胞的刺激與反應 (stimulus-response) 特徵的瞭解，進而對由神經細胞聯結而成的網路能有所認識；而心理學家 (psychologists) 採取的是由上而下的途逕，他們從知覺 (cognition) 與行為反應來瞭解大腦。 目前我們對大腦運作模式的瞭解仍然十分有限。 人類的神經系統可視為三個子系統所互相協調而成的複合系統，如圖1.1所示。 1.3 生物神經細胞 (1) 人類的大腦是由大約 1011 個神經細胞 (nerve cells) 所構成，每個神經細胞又經由約 104 個突觸 (synapses) 與其它神經細胞互相聯結成一個高度非線性且複雜，但具有平行處理能力的資訊處理系統。 一個典型的神經元可分為 (1)細胞本體 (soma)、(2)軸突 (axon)、以及 (3)樹突 (dendrites) 等三部份。 1.3 生物神經細胞 (2) 樹突的主要功能就是接受其它神經元所傳遞而來的信號。 若導致位於軸突丘 的細胞膜電位 超過某一特定閥值 (threshold)時，則所謂的「活化電位」(action potential) 的脈衝就會被激發出來。 藉由管狀似的軸突傳遞至其它相連接的神經元。 軸突的終點處是「突觸」，這種細胞間的信號傳遞以化學性的方式居多。 1.3.1 生物電位 (1) 細胞內外充滿了含有陰離子(如：氯離子，Cl- )及陽離子(如：鈉離子、鉀離子、鈣離子， Na+, K+, 及 Ca+2 等)的電解液。 細胞的外圍是一層半滲透性的組織，此組織稱為細胞膜。 這些離子在 (1)滲透壓和 (2)電場效應的影響下，最後會達到一種平衡狀態，使得鉀離子大部份位在細胞體內，而鈉離子大部份位在細胞體外，這時細胞便呈現約 -85mv 的「休止電位」(resting potential)。 1.3.1 生物電位 (2) 大多數的哺乳類動物的神經細胞，其休止電位差大約都接近 -70mv 。 當神經細胞被刺激時，在樹突部位的細胞膜的特性會被改變，使得鈉離子可以進入細胞內，導致細胞膜電位的改變，這種電位稱為「層次電位」，其振幅與刺激強度成正比，並且會隨著傳遞距離的增加而衰減。 所有位於樹突上，因刺激而引起的電位變化，都會朝向位於細胞本體上之軸突丘方向傳遞，若這些信號的綜合效果，導致軸突丘的細胞膜電位的增加，而且超過某一特定的閥值(如 -55mv)時，則「活化電位」會被激發。 1.3.1 生物電位 (3) 「活化電位」以一種振幅大小不變的方式，沿著軸突方向傳遞。刺激強度的資訊與活化電位的發生頻率有關，而與其振幅的大小無關，其傳遞的速度與 (1)軸突的直徑大小以及 (2)軸突上之細胞膜的電容及電阻性有關。 1.3.2 神經元之連接模式 (1) 發散 (divergent) 型：「傳入型神經元」(afferent neurons) 採取此種發散型模式，以便將所獲得之資訊，以平行之方式快速地傳達至大腦。 1.3.2 神經元之連接模式 (2) 收斂 (convergent) 型：大致上，所謂的「輸出型神經元」(efferent neurons) 與神經末稍之間的連接方式是屬於此種模式。 1.3.2 神經元之連接模式 (3) 鏈接及迴路 (chains and loops) 型：大腦裏的神經元為了處理傳送而來的複雜資訊，發展出這種複雜的連接模式，其中有正迴授與負迴授等情形發生。 範例1.1：神經元的連接方式 (1)當四個突觸同時被激發時，四個突觸所產生的電位總合並未超過激發此神經元的閥值，因此神經元不被激發，如