第12章 神经网络.pptVIP

数据挖掘原理与SPSS Clementine应用宝典 元昌安 主编　 邓　松　李文敬　刘海涛　编著 电子工业出版社 第十二章 神经网络 本章内容 神经网络基本原理-基本分类 按五大个原则对神经网络进行归类： 按照网络的拓扑结构区分，有前向网络和反馈网络； 按照学习方式区分，则分为有教师学习和无教师学习网络； 按照网络性能区分，则有连续型和离散性网络，随机型和确定型网络； 按照突触性质区分则有一阶线性关联网络和高阶非线性关联网络； 按对生物神经系统的层次模拟区分，则有神经元层次模型，组合式模型，网络层次模型，神经系统层次模型和智能型模型。 神经网络基本原理-网络模型 常见的神经网络模型有： 全互连型结构； 层次型结构； 网孔型结构； 神经网络基本原理-组成要素 人工神经网络由八个方面的要素组成，分别为： 一组处理单元； 处理单元的激活状态； 每个处理单元的输出函数； 处理单元之间的联接模式； 传递规则； 把处理单元的输入及当前状态结合起来产生激活值的激活规则； 通过经验修改联接强度的学习规则； 系统运行的环境。 神经网络基本原理-学习方式 神经网络的学习方式主要分为 ： 有监督学习(supervised learning) ； 无监督学习(Unsupervised Lear