人工神经元网络模型教学课件_第1页
人工神经元网络模型教学课件_第2页
人工神经元网络模型教学课件_第3页
人工神经元网络模型教学课件_第4页
人工神经元网络模型教学课件_第5页
已阅读5页，还剩49页未读， 继续免费阅读

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

1982:HopfieldHNN+!(HopfieldNeuralNetworks)1986:RumelhartBP算法(backpropagation)误差反向传播学习算法神经元网络系统主要研究三个方面的内容线性神经元模型处理单元非线性前向网络(BP)神经网络结构{反馈网络(ope自组织网络(ART)神经网络学习方法有无导师指导学习:神经元系统根据某种学习方法调整它内部参数以完成特定的任务的过程、神经元模型1、神经细胞结构神经元是生物神经系统的最基本单元轴突(输出端)突触(轴突末梢)树突(联系接口)(输入端)细胞体娑兴奋(有):电位差内正外负(约60~100mV)两种状态(有无神经冲动)抑制(无):电位差内负外正(约-50~-100mVy)细胞膜内外之间的不同电位差来表征的2、神经元模型(人工神经元)结构神经元模型是生物神经元的抽象和模拟。是神经网络的最基本组成部分,一般是多输入-单输出的非线性器件WNet激励函数x(非线性函数)图神经元结构模型Ne1=∑吗x-其中:为阙值y:=f(Net)v;为表示神经元到神经元的连接权系数激励函数f(·)形式(1)阈值型INet.>0f(NetloNet≤0Net图4-3阈值函数(2)分段线性型f(Net,)=kNet,Neo<Ner,<Ne,fNet.<NeNet0NetNet图4-4线性函数(3)Sigmoid函数型(S型f(Net,图4-5Sigmoid函数(4)Tan函数型Nef(Net,e图4-6Tan函数神经网络的模型分类按层次:(1)神经元层次模型:只是研究单一神经元的动态特性和自适应特性,探索神经元对输入信息的处理和存储能力。(2)组合式模型这种模型是由数种相互补充、相互协作的神经元组成,用于完成某些特定的任务。(3)网络层次模型它是由众多相同神经元相互连接而成的网络,着重研究神经网络的整体性能。(4)神经系统层次模型一般由多个不同性质的神经网络构成,以模拟生物神经系统更复杂、更抽象的特性按连接方式分类:(1)前向网络输入输出输入层隐含层输出层特点:①神经元分层排列,组成输入层、隐含层(可以有若千层)和输出层。②每一层的神经元只接受前一层神经元的输入。各神经元之间不存在反馈。感知器和误差反向传播算法中使用的网络都属于这种类型(2)反馈网络输入输出特点:只在输出层到输入层存在反馈,即每一个输入节点都有可能接受来自外部的输入和来自输出神经元的反馈,(3)相互结合型网络(网状结构)输入输出特点:在任意两个神经元之间都可能有连接。HNN属于这一类在无反馈的前向网络中,信号一旦通过某个神经元,过程就结束了。而在相互结合网络中,信号要在神经元之间反复往返传递,网络处在一种不断改变状态的动态之中。从某种初态开始。经过若干次的变化,才会到达某种平衡状态,根据网络的结构和神经元的特性,还有可

人人文库> 全部分类> 教育资料 > 课件下载

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。

最新文档

评论

0/150

提交评论