人工神经网络和其应用实例.pdfVIP

人工神经网络及其应用实例 人工神经网络是在现代神经科学研究成果基础上提出的一种抽 象数学模型，它以某种简化、抽象和模拟的方式，反映了大脑功能的 若干基本特征，但并非其逼真的描写。 人工神经网络可概括定义为：由大量简单元件广泛互连而成的复 杂网络系统。所谓简单元件，即人工神经元，是指它可用电子元件、 光学元件等模拟，仅起简单的输入输出变换y (x ) 的作用。下图是3 中常用的元件类型： 线性元件：y 0.3x ，可用线性代数法分析，但是功能有限，现在 已不太常用。 2 1.5 1 0.5 0 -0.5 -1 -1.5 -2 -6 -4 -2 0 2 4 6 连续型非线性元件：y tanh(x ) ，便于解析性计算及器件模拟，是 当前研究的主要元件之一。 Page 1 of 25 2 1.5 1 0.5 0 -0.5 -1 -1.5 -2 -6 -4 -2 0 2 4 6 1,x 0  离散型非线性元件：y  ，便于理论分析及阈值逻辑器件 1,x 0  实现，也是当前研究的主要元件之一。 2 1.5 1 0.5 0 -0.5 -1 -1.5 -2 -6 -4 -2 0 2 4 6 Page 2 of 25 每一神经元有许多输入、输出键，各神经元之间以连接键（又称 突触）相连，它决定神经元之间的连接强度（突触强度）和性质（兴 奋或抑制），即决定神经元间相互作用的强弱和正负，共有三种类型： 兴奋型连接、抑制型连接、无连接。这样， 个神经元（一般 很大） N N 构成一个相互影响的复杂网络系统，通过调整网络参数，可使人工神 经网络具有所需要的特定功能，即学习、训练或自组织过程。一个简 单的人工神经网络结构图如下所示： 上图中，左侧为输入层（输入层的神经元个数由输入的维度决定）， 右侧为输出层（输出层的神经元个数由输出的维度决定），输入层与 输出层之间即为隐层。 输入层节点上的神经元接收外部环境的输入模式，并由它传递给 相连隐层上的各个神经元。隐层是神经元网络的内部处理层，这些神 经元在网络内部构成中间层，不直接与外部输入