Ai人工智能PPT课件_第1页
Ai人工智能PPT课件_第2页
Ai人工智能PPT课件_第3页
Ai人工智能PPT课件_第4页
Ai人工智能PPT课件_第5页
已阅读5页,还剩32页未读 继续免费阅读

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、A i 人 工 智 能第九章 神经计算目 录CONTENTS01人 工 神 经 元 模 型02感 知 器03反 向 传 播 网 络04自 组 织 映 射 神 经 网 络05Hopfield06神经计算的发展趋势人 工 神 经 元 模 型0101人工神经元模型所谓人工神经元模型,实际上就是生物神经元的抽象抽象和模拟模拟。 所谓抽象抽象模型是由数学得到的,即抽象抽象;所谓模拟模拟模型是由结构和功能得到的,即拓扑模型拓扑模型。01人工神经元模型人工神经元(拓扑)模型01人工神经元模型M-P模型S型神经元01人工神经元模型伪线型神经元感 知 器0202感知器 感知器感知器1958年由罗森布拉特(F.

2、Rosenblatt)提出 是一种感知器的训练算法 成功应用于模式分类问题02感知器anb(偏向)02感知器02感知器02感知器02感知器02感知器可以看出= -2, -2; b= -1时,对所输入样本,其输出误差是0,所以是最终调整后的权值和偏差(阈值)反 向 传 播 网 络0303反向传播网络03反向传播网络03反向传播网络03反向传播网络03反向传播网络03反向传播网络在实际应用中,学习时要输入训练样本,每输一次全部训练样本称为一个训练周期,学习要一个周期接一个周期地进行,直到目标函数达到最小值或小于某一给定值。用BP算法训练网络时有两种方式,一种是每输入一个样本修改一次权值,另一种是批

3、处理方式,即把组成一个训练周期的全部样本都依次输入后计算总的平均误差再求自组织映射神经网络0404自组织映射神经网络Kohonen 提出自组织特征映射(Self-Organizing Map. SOM),他认为一个神经网络接受外界输入模式时,将会分成不同区域,各区域对输入模式模式具有不同的响应特征,同时这一过程是自动完成的。 各神经元的连接权值具有一定的分布 最邻近的神经元相互刺激 而较远的神经元则互相抑制 更远一些有具有较弱的刺激作用因此,自组织特征映射算法是一种无监督学习的聚类方法。04自组织映射神经网络输出层(竞争层)04自组织映射神经网络04自组织映射神经网络04自组织映射神经网络04

4、自组织映射神经网络Hopfield 网络0505Hopfield 网络Hopfield 网络是由美国加州工学院物理学家J.Hopfield教授于1982年提出的一种具有相互连接的反馈型神经网络模型。它分为离散型(Distribute Hopfield Neural,DHNN)和连续型(Continues Hopfield Neural,CHNN)两种网络模型。离散型指的是它经过激活函数后,输出的结果是离散的,比如0或者1,表示神经元处于抑制和激活状态。连续型指的是它经过激活函数后,输出的结果是连续的,比如sigmod函数。05离散Hopfield 网络有串行和并行两种工作方式两种工作方式:在串

5、行方式中,任意时刻只有一个神经元(一般随机选择)改变状态,其余单元状态不变;在并行方式中,任意时刻所有神经元同时改变状态。 不管哪种运行方式,在达到稳定后,网络的状态就不再发生变化。如果将神经网络的稳定状态当作记忆,则神经网络由任一初始状态向稳定状态的变化过程实质上就是寻找记忆的过程。因此,稳定状态的存在是实现联想记忆的基础。Hopfield 网络05Hopfield网络结构 = 普通神经网络改造了下 + 反馈有自反馈Hopfield 网络神经计算的发展趋势0606神 经 计 算 的 发 展 趋 势探索脑的组织结构和工作原理,最终揭开人脑思维的奥秘,是全人类面临的一项重大挑战,是整个自然科学研

6、究的前沿领域。 对人脑、对思维的认识的根本变化,将深刻地影响到对人类自身、对整个世界的基本看法。 脑科学研究正以空前的复杂性、交叉性,在各个科学领域内展开。20世纪80年代以来,神经计算的研究取得了一定进展,构造了许多人工神经网络模型,推出了一些神经计算机的实验系统。 但是,整个领域的研究还是刚刚起步。06神 经 计 算 的 发 展 趋 势当前,神经计算的理论基础和实现技术的研究侧重于下列方面:(1)思维模型的研究,研究抽象思维、形象思维、灵感思维的机制。(2)非线性动力学巨系统的理论研究,包括混沌理论、微分动力系统、协同学等。(3)神经网络模型的研究。(4)学习算法的研究。(5)记忆机制的研究。(6)神经计算机体系结构的研究。(7)模拟和数字光学神经网络的研究。(8)光电神经计算机系统的研究。(9)生物神经计算机系统的研究。06神 经 计 算 的 发 展 趋 势神经计算具有特有的信息处理能力,成功地实现丁神经专家系统、模式识别、智能控制、求解组合优化问题等,显示了神经计算的潜力。 不断拓广神经计算的应用领域,将会促进神经计算的发展,神经计算与传统人工智能、模糊数学、小波分析等的结合,将给智能科学和技术的发展提供新方法、新途径。人类在探索字宙空间、基本粒子、生命起源等科学领域的进程中经历着艰辛的道路。神经计算

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论