9-人工神经网络(2学时).pdf

第9章 人工神经网络 主讲人：李君宝 哈尔滨工业大学 1.基础知识 2.前馈神经网络 3.反馈神经网络 4. 自组织映射神经网络 1.基础知识 【基础知识】 自然神经网络的基本构成与特点 神经元（neuron）： 细胞体（cell）、树突（dentrite）、轴突（axon）、突触（synapses） 神经元的作用：加工、传递信息 （电脉冲信号） 神经系统：神经网：大量神经元 的复杂连接 通过大量简单单元的广泛、复杂 的连接而实现各种智能活动。 【基础知识】 人工神经网络是一个由简单处理元构成的规模宏大的并行分布处理 器，具有存储经验知识和使之可用的特性。 人工神经网络从两个方面上模拟大脑: (1)神经网络获取的知识是从 外界环境中学习得来的。(2)内部神经元的连接强度，即突触权值， 用于储存获取的知识。 学习算法是用于完成学习过程的程序，其功能是以有序的方式改变 系统权值以获得想要的设计目标。突触权值的修改提供了神经网络的 一种设计方法。 【基础知识】 基本特征： 1）神经元及其联接； 2）神经元之间的联接强度决定信号传递的强弱； 3）神经元之间的联接强度是可以随训练改变的； 4）信号可以是起刺激作用的，也可以是起抑制作用的； 5）一个神经元接受的信号的累积效果决定该神经元的状态； 【基础知识】 自然神经网络的某种模型（数学模型） 两路研究方向：探索智能活动机理；建立可用的高级机器。 （人工）神经网络的基本结构： 大量简单的计算单元（结点）以某种形式相连接，形成一 个网络，其中的某些因素，如连接强度（权值）、结点计算特 性甚至网络结构等，可依某种规则随外部数据进行适当的调整， 最终实现某种功能。 神经网络的学习方法  神经网络的学习：从环境中获取知识并改进自身性能，主要指 调节网络参数使网络达到某种度量，又称为网络的训练。  学习方式： 监督学习 非监督学习 再励学习  学习规则： 误差纠正学习算法 竞争学习算法 监督学习  对训练样本集中的每一组输入能提供一组目标输出。  网络根据目标输出与实际输出误差信号来调节网络参数。 t(n) 教师 期望输出 实际输出 输入 环境 神经网络 比较 a(n) p(n) 误差信号 e(n) 非监督学习与再励学习 输入 非监督学习：不存在教师，网络根据外 部数据的统计规律来调节系统参数，以