人工神经网络第二章 理论基础

1、人工神经网络第二章 理论基础第1页，共20页，2022年，5月20日，11点6分，星期日第二章 NN理论基础2.1 生物神经系统的模型化2.2 M-P神经元模型与人工神经网络的构成2.3人工神经网络的学习机理与 Hebb学习规则2.4教师示教学习与无教师示教学习2.5模式识别的基本定义与方法2.6生物NN与人工NN的比较2.7线性分类器第2页，共20页，2022年，5月20日，11点6分，星期日 2.1 生物神经系统的模型化神经元特点 1）神经元是一个多输入、单输出元件。2）神经元是一个具有非线性输入/输出特性的元件。3）神经元具有可逆性，传递强度可变。4）神经元的输出是各个输入综合的结果。第

2、3页，共20页，2022年，5月20日，11点6分，星期日 2.1 生物神经系统的模型化 (1)(1)+(2)(1)+(2)+(3)(1)+(2)+(3)+(4)第4页，共20页，2022年，5月20日，11点6分，星期日 2.1 生物神经系统的模型化生物神经元模型数学表达式把阈值看成神经元的第0个输入，x0为常数-1， 神经元的响应函数根据要求和特点的不同，分为以下几种：a)阶跃函数 第5页，共20页，2022年，5月20日，11点6分，星期日2.1 生物神经系统的模型化b)S型函数 c）比例函数第6页，共20页，2022年，5月20日，11点6分，星期日2.1 生物神经系统的模型化d）符号

3、函数 e)饱和函数 第7页，共20页，2022年，5月20日，11点6分，星期日2.1 生物神经系统的模型化f）双曲函数第8页，共20页，2022年，5月20日，11点6分，星期日2.2 M-P神经元模型与人工神经网络的构成一M-P模型： 1943年，McCulloch（生理学家）和Pitts（数学家）定义了神经元模型M-P模型。 f：阶跃函数 输入向量： 权值向量：阈值： 输出： 其中： 响应函数也可采用符号函数： 第9页，共20页，2022年，5月20日，11点6分，星期日2.2 M-P神经元模型与人工神经网络的构成二、神经网络的连接形成：1）单层网络： 左边只起分配信号的作用 输入向量：

4、 输出向量： 神经元的输入向量： 加权阵： 第10页，共20页，2022年，5月20日，11点6分，星期日2.2 M-P神经元模型与人工神经网络的构成2）多层网络： 中间层神经元的输出： 第11页，共20页，2022年，5月20日，11点6分，星期日2.2 M-P神经元模型与人工神经网络的构成3）反馈型网络： 4）全互连接型 一层的输出通过连接权 回送到同一层或前一层。 第12页，共20页，2022年，5月20日，11点6分，星期日2.3人工神经网络的学习机理与Hebb学习规则 NN仅有拓扑结构还不能具有任何智能特性，必须有一套完整的学习、工作规则与之配合。 人工神经网络的学习规则，说到底就是

5、网络连接权的调整规则。 40年代，Hebb根据心理学中条件反射机理提出了神经细胞间连接强度变化的规则，即所谓的Hebb学习规则。 内容为：如果两个神经元同时兴奋（同时为1），则它们 之间的突触联系得以增强。 以 表示 神经元i,j的激活值 表示 i,j之间的连接权第13页，共20页，2022年，5月20日，11点6分，星期日2.3人工神经网络的学习机理与Hebb学习规则则Hebb学习规则为：学习过程：第14页，共20页，2022年，5月20日，11点6分，星期日2.4教师示教学习与无教师示教学习一、教师学习： 在网络的学习过程中，对于网络输出的正确性必须有一个评价标准，网络根据实际输出与评价标

6、准的比较，决定连接权值的调整、合成。评价标准是人为由外界提示给网络的，即相当于一个知晓正确结果的教师示教给网络称为教师示教学习。第15页，共20页，2022年，5月20日，11点6分，星期日2.4教师示教学习与无教师示教学习二、无教师示教学习方式 无外部教师，网络能够根据其特有的网络结构和学习规则，对属于同一类的模式进行自动分类。第16页，共20页，2022年，5月20日，11点6分，星期日 2.5模式识别的基本定义与方法一、基本定义模式：面临的一类对象或事物。模式识别：对模式进行正确的分类。模式的特征：一个模式区别另一模式的主要差别。模式识别函数：用数学形式表达分类边界。 模式识别函数可以是

7、曲线、平面、超曲线、超平面等。 对于复杂的模式需要几个特征来区分，构成n维特征向量。根据得到的数据处于分类边界线的左边或右边来判断模式类别。第17页，共20页，2022年，5月20日，11点6分，星期日 2.5模式识别的基本定义与方法例：根据体重和高度来区别体操、篮球运动员二、方法 K-最邻近分类方法 判别上图中a1属于哪一类，可看a1最邻近哪一类 f(x)=d1-d2 d1:与第一类模式最短距离； d2:与第二类模式最短距离； f(x)0 则a1属于第二类 用一点来计算距离受到限制，往往利用平均距离来分类第18页，共20页，2022年，5月20日，11点6分，星期日 2.5模式识别的基本定义与方法三、计算模式距离的方法 汉明距离 设有两个模式向量 欧化距离 矩形距离第19页，共20页，2022年，5月20日，11点6分，星期日 2.7线性分类器设A1、A2两组模式，现需要进行分类。求分类边界 ai为输入模式A中的第i个元素 wi取向量w的第i个元素 n为向量的维数 当f