04讲(路线规划).ppt

* P * 网络上的每个结点相当于一个神经元，可以记忆(存储)、处理一定的信息，并与其它结点并行工作。 求解一个问题是向人工神经网络的某些结点输入信息，各结点处理后向其它结点输出，其它结点接受并处理后再输出，直到整个神经网工作完毕，输出最后结果。 通常，神经网络是由若干简单(通常是自适应的)元件及其层次组织，以大规模并行连接方式构造而成的网络，按照生物神经网络类似的方式处理输入的信息。模仿生物神经网络而建立的人工神经网络，对输入信号有功能强大的反应和处理能力。 若干神经元连接成网络，其中的一个神经元可以接受多个输入信号，按照一定的规则转换为输出信号。由于神经网络中神经元间复杂的连接关系和各神经元传递信号的非线性方式，输入和输出信号间可以构建出各种各样的关系，因此可以用来作为黑箱模型，表达那些用机理模型还无法精确描述、但输入和输出之间确实有客观的、确定性的或模糊性的规律。 * P * 2. 神经网络的学习 人工神经网络通过样板的“学习和培训”，可记忆客观事物在空间、时间方面比较复杂的关系，特别适合于解决各类预测、分类、评估匹配、识别等问题。 神经网络的学习方式是从问题领域取得训练样本，神经网络由其中学习内在的对应、记忆或归纳规则，所属用的方式将直接影响到网络的架构、学习算法及应用领域等。 * P * 3. 神经网络对TSP问题的