数据挖掘-神经网络.pptVIP

第9章神经网络;第9章神经网络;9.1引例;9.2人工神经网络;9.2.1人工神经网络概述;大脑可视作为1000多亿神经元组成的神经网络

;神经元的信息传递和处理是一种电化学活动．树突由于电化学作用接受外界的刺激；通过胞体内的活动表达为轴突电位，当轴突电位到达一定的值那么形成神经脉冲或动作电位；再通过轴突末梢传递给其它的神经元．从控制论的观点来看；这一过程可以看作一个多输入单输出非线性系统的动态过程;神经元的数学模型;;Date;其中x＝〔x1，…xm〕T输入向量，y为输出，wi是权系数；输入与输出具有如下关系：;例如，假设记;9.2.3网络结构;单层网络;人工神经网络模型;一般而言,ANN与经典计算方法相比并非优越,只有当常规方法解决不了或效果不佳时ANN方法才能显示出其优越性。

尤其对问题的机理不甚了解或不能用数学模型表示的系统,如故障诊断、特征提取和预测等问题,ANN往往是最有利的工具.

ANN对处理大量原始数据而不能用规那么或公式描述的问题,表现出极大的灵活性和自适应性。;9.3BP算法;一般而言,ANN与经典计算方法相比并非优越,只有当常规方法解决不了或效果不佳时ANN方法才能显示出其优越性。尤其对问题的机理不甚了解或不能用数学模型表示的系统,如故障诊断、特征提取和预测等问题,ANN往往是最有利的工具。另一方面,ANN对处理大量原始数据而不能用规那么或公式描述的问题,表现出极大的灵活性和自适应性。;9.3.1引例;问：如果抓到三只新的蚊子，它们的触角长和翼长分别为(l.24,1.80);(l.28，1.84)；〔1.40，2.04〕．问它们应分别属于哪一个种类？;Date;思路：作一直线将两类飞蠓分开;分类结果：(1.24，1.80)，(1.28，1.84)属于Af类；(1.40，2.04〕属于Apf类．;?缺陷：根据什么原那么确定分类直线？;再如，如下的情形已经不能用分类直线的方法：;根本BP网络的拓扑结构;反向传播算法〔B-P算法〕;假设有P个训练样本，即有P个输入输出对

〔Ip,Tp〕,p=1,…,P,

其中;;ipm=-1,wim=(第i个神经元的阈值)〔5〕;Date;图7多层前馈网络;〔3〕设层与层间的神经元都有信息交换〔否那么，可设它们之间的权重为零〕；但同一层的神??元之间无信息传输．;在上述假定下网络的输入输出关系可以表示为：;定理2对于具有多个隐层的前馈神经网络；设激发函数为S函数；且指标函数取;BP算法;9.3.3应用之例：蚊子的分类;输入数据有15个，即,p=1,…,15;j=1,2;对应15个输出。

建模：〔输入层，中间层，输出层，每层的元素应取多少个？〕

建立神经网络;规定目标为：当t(1)=0.9时表示属于Apf类，t(2)=0.1表示属于Af类。

设两个权重系数矩阵为：

;分析如下：;则有：;〔1〕随机给出两个权矩阵的初值；例如用MATLAB软件时可以用以下语句：;取;(5)计算;(6)p=p+1，转〔2〕;即网络模型的解为：;9.3.4BP算法描述;9.4工具包应用;神经网络的应用;第1步，新建数据库;第2步，新建数据表;第3步，安装补丁;第4步，建立数据连接;第5步，选择挖掘结构;第6步，进行预测;第6步，进行预测