神经网络基础技术分析.pptVIP

神经网络基础 生物神经元及其神经网 构成 生物神经网的基本特征 1神经元及其联接 2神经元之间的联接强弱决定信号传递的强弱 3神经元之间的联接强弱是可以随训练改变的 4信号可以是起刺激作用,也可以是起抑制作用 5一个神经元接受信号的累积效果决定该神经元的状态 6每个神经元可以有一个”阈值” 人工神经元 1神经元是构成神经网络的最基本单元 2人工神经元模型应该具有生物神经元的六个基本特性 3人工神经元并不能完全模拟生物神经元,只能模拟其很小一部分功能 人工神经元的基本构成 人工神经元模拟生物神经元的一阶特性 ￡输入：X=(x1,x2,…,xn) ￡联接权重：W=(w1,w2,…wn) ￡网络输入：net=?xiwi ￡向量形式：net=XW 激活函数(Activation Function) 激活函数——执行对该神经元所获得的网络 输入的变换，也可以称为激励函数、活化函 数：o=f(net) 1线性函数 2非线性斜面函数 ?0为一常数，被称为饱和值，为该神经元的 最大输出 3阈值函数(阶跃函数) 4S形函数 M-P模型 McCulloch-Pitts(M-P)模型也称为处理单元 人工神经网络的拓扑特性 联接的拓扑表示 联接模式 1用正好(“+”，可省略)表示传递送来的信号起 刺激作用，它用于增加神经元的活跃度； 2用正好(“－”，可省略)表示传递送来的信号 起抑制作用，它用于降低