- 1、本文档共23页,可阅读全部内容。
- 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、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、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)。
神经网络与模式识别;人工神经网络发展概况
神经网络基本概念
前馈神经网络;11.1 人工神经网络发展概况;并行工作方式;
对信息采用分布式记忆,具有鲁棒性。
四个发展阶段:
第一阶段:启蒙期,始于1943年。形式神经元的数学模型提出。
第二阶段:低潮期,始于1969年。
《感知器》(Perceptions)一书出版,指出局限性。
第三阶段:复兴期,从1982年到1986年。Hopfield的两篇论文提出新的神经网络模型;
《并行分布处理》出版,提出反向传播算法。
第四个阶段:1987年至今,趋于平稳。
回顾性综述文章“神经网络与人工智能”。;11.2 神经网络基本概念;2.生物神经元的工作机制兴奋和抑制两种状态。;11.2.2人工神经元及神经网络;神经元的动作:;11.2.3神经网络的学习
学习:
神经网络的最重要特征之一。
实质:
同一个训练集的样本输入输出模式反复作用于网络,网络按照一定的训练规则自动调节神经元之间的连接强度或拓扑结构,使实际输出满足期望的要求或者趋于稳定。
典型的权值修正方法:Hebb学习规则、误差修正学习1.Hebb学习规则
如果神经网络中某一神经元与另一直接与其相连的神经
元同时处于兴奋状态,那么这两个神经元之间的连接强度应该加强。;wij(t+1):修正一次后的某一权值;
η:学习因子,表示学习速率的比例常数;
yj(t),yi(t):分别表示t时刻第j个和第i个神经元的状态(输出
由 有:;2.δ学习规则;11.2.4神经网络的结构分类;11.3 前馈神经网络;设输入模式向量,;M类问题判决规则(神经元的输出函数)为;设第k次输入的模式向量为Xk,与第j个神经元相连的权向量为;11.3.2BP网络;阶段;S型输出函数:;对输入模式Xp,若输出层中第k个神经元的期望输出为
dpk,实际输出为ypk。输出层的输出方差:;令;BP算法步骤:;改进的权值修正:
文档评论(0)