人工神经元网络及其在电力系统中的应用.pdfVIP

ANN及其在电力系统中的应用 ANN概述  前馈式神经网络  反馈式神经网络  自组织竞争型神经网络  神经网络专家系统 ANN在电力系统中的应用 ANN概述  简介  发展  特点  应用领域  神经网络概念  神经元模型  各种作用函数  ANN工作原理  ANN 的学习方法  神经元的几何意义 本章目录 简介  人工智能：研究如何使类似计算机这样的设 备去模拟人类的能力。  人类对人工智能的研究可以分成两种：  传统的人工智能技术——心理的角度模拟  基于人工神经网络的技术——生理的角度模拟  三大学术流派  / 符号主义（或叫做符号 逻辑主义）学派  联接主义（或者叫做仿生）学派  行为主义（或者叫做进化/控制论）学派  现代AI分类：  符号逻辑、计算智能、群体智能 ANN的提出  Artificial Neural Networks: ANN  ANN是对人类大脑系统的一种描述。  它是一个数学模型，可以用电子线路来实现，也可以 用计算机程序来模拟。  神经网络是一个由大量简单的处理单元组成的高 度复杂的大规模非线性自适应系统 、并行分布式 处理(PDP)系统  ANN力求从四个方面去模拟人脑的智能行为  物理结构  计算模拟  存储与操作  训练 ANN的发展  1943年：美国心理学家W.Mcculloch和数学家 W.P.Hs提出M-P模型和Hebb学习规则  1957年：美国心理学家Rosenblate提出 模型 用于模式分类学习，第一次热潮 Perceptron ,  1969年：处于低潮  Perceptron模型只能应用于线性样本  80年代后又开始了第二次热潮  Hopfield模型  BP模型 ANN的特点 ANN是一种具有大量连接的并行分 布处理器，由简单单元组成，它具 有通过学习获得知识并解决问题的 能力，且知识是分布存储在连接权 （对应于生物神经元的突触）中。 别名  人工神经系统（ANS）  神经网络（NN）  自适应系统（Adaptive Systems）、自适应网 （ ） AdaptiveNetworks  联接模型（Connectionism）  神经计算机（Neurocomputer） 应用领域  模式识别：分类。利用计算机模拟的感知能力，识 别手写字符、指纹、语音，模式分类；  自动控制：过程控制、机器人感知驱动、协调控制。 ANN是一种非线性并行结构，通过反复训练，可处 理难用模型和规则描述的过程；  优化计算：组合优化(NP 问题)  联想记忆：不精确信息处理  预测与管理：  聚类分析  机器学习 本节目录 神经网络概念  神经元模型  各种作用函数 ANN工作原理 ANN学习方法  神经元的几何意义 本节目录 神经元模型  人脑神经元结构 