神经网络控制1模型教案.ppt

神经网络原理 NN 第一章 Part2 Artificial Neural Network第二部分 人工神经网络 之一 －－神经网络基础 一、神经网络概论 神经网络种类 生物神经网络（Biological Neural Networks） 人工神经网络（Artificial Neural Networks) 1.1 生物神经元网络 1.1.1生物神经元 1.1.2人脑神经网络 1.1.1 生物神经元。  人的大脑由1012个神经元构成，神经元互相连接成神经网络 神经元组成：细胞体为主体 神经元功能：刺激、兴奋、传导、效应 形状图 神经元类型 原则 突触传递信息特点 形状图 类型 单极——无脊椎动物 双极——视网膜神经元neuron 多极——脊椎、锥体、小脑蒲根 原 则 神经元间信息传递的理论基础 原则1 动态极化原则（即信号沿确定方向流动） 树突 轴突 突触 其他神经元 原则2 连接的专一性原则 神经元之间元细胞质的连续 神经元不构成随机网络 每一神经元与一些神经元形成特殊的精确的联系 突触传递信息特点 1 时延性 : （0.3~1ms） 2 综合性 ： 时间与空间的累加 3 类型： 兴奋与抑制 4 脉冲与电位转换: （D/A功能） 5 速度： 1~150m/s 6 不应期（死区）： 3~5ms 7 不可逆性（单向） 8 可塑性 : 强度可变 ,有学习功能 脉冲 1.1.2 人脑神经网络 脑神经系统主要组成部分 大脑皮层由许多功能区组成（运动、听觉、视觉等） 神经元群 其区域性结构：遗传 其功能：后天对环境的适应于学习得来 （自组织特性Self-Organization） 子功能模块的并行关系 a) 连接形式 b) 大脑处理信息的特点 C) 生物学研究成果 连接形式 辐射式：一到多 聚合式：多到一 链锁式：空间上加强与扩大作用 环式：反馈作用（可正可负） 辐射式：一到多 聚合式：多到一 链锁式：空间上加强与扩大作用 环式：反馈作用（可正可负) 大脑处理信息的特点 分布存储与冗余性：记忆在大量元中，每个元存在许多信息的部分内容，信息在神经网络中的记忆反映在神经元间的突触连接强度上(weights）; 并行处理：NN既是处理器又是存储器（并行处理不同于并行机）; 信息处理与存储合一：每个元兼有二者功能; 可塑性与自组织性：可塑性是学习记忆的基础; 鲁棒性：高连接度导致一定的误差和噪声不会使网络性能恶化。是智能演化的重要因素。 1.2 人工神经网络 研究大脑的目的： a）揭示功能造福人类 b）构造ANN用于工程及其他领域 （生物神经网络的模型化：ANN） BNN modeling ANN ANN非BNN模型，而是对结构及功能大大简化后保留主要特性的某种抽象与模型。 神经网络直观理解 神经网络是一个并行和分布式的信息处理网络结构，它一般由许多个神经元组成，每个神经元只有一个输出，它可以连接到很多其他的神经元，每个神经元输入有多个连接通道，每个连接通道对应于一个连接权系数。 1.2.1 人工神经元模型 BNN 信息传递过程 为 MISO 系统, 信号为脉冲，当脉冲到达突触前膜时，前膜释放化学物质，结果在突触后产生突触后电位，其大小与脉冲密度有关（时间总合效应）。 各通道都对电位产生影响（空间总合效应）。 BNN 脉冲， ANN 模拟电压 ANN等效模拟电压近似BNN脉冲密度，仅有空间累加无时间累加（可认为时间累加已隐含于等效模拟电压之中） ANN中未考虑时延、不应期及疲劳等 可建立更为精确的模型，但一般NN研究无此必要（方法论） 神经元模型（1） 神经元是人工神经网络的基本处理单元，它一般是一个多输入/单输出的非线性元件。神经元输出除受输入信号的影响之外，同时也受到神经元内部其他因素的影响，所以在人工神经元的建模中，常常还加有一个额外输入信号，称为偏差（bias），有时也称为阈值或门限值。 神经元模型（2） 。 神经元模型数学描述 抽象可得数学表达式：  数值（weights) b 阈值（threshold） 作用函数（activated transfer function） 作用函数的基本作用 1、控制输入对输出的激活作用； 2、对输入、输出进