人工智能id算法讲义.ppt

有导师学习：在训练时，预先知道学习目标，并据此来修正权值。 强化学习：用一种表示奖惩的全局信号来衡量与强化输入相关的局部决策。 无导师学习：网络通过自组织调整，学习并给出一定意义下的输出相应。 * 画图 * 图 9-18 BP网络举例 　　用样本数据按BP算法对该网络进行训练,训练结束后, 网络就可作为一种模式分类器使用。因为网络的输出向量(1, 0, 0)、 (0, 1, 0)、(0, 0, 1)可以表示多种模式或状态。如可以分别表示凸、凹和直三种曲线, 或者三种笔划, 也可以表示某公司的销售情况：高峰、低谷和持平等等。当然,要使网络有很好的模式分类能力, 必须给以足够多的样例使其学习, 本例仅是一个简单的示例。 9.3.6　神经网络模型 神经网络模型,它是关于一个神经网络的综合描述和整体概念,包括网络的拓扑结构、输入输出信号类型、 信息传递方式、神经元特性函数、学习方式、学习算法等等。 　截止目前, 人们已经提出了上百种神经网络模型, 表9.4简介了最著名的几种。 表 9.4 一些著名的神经网络模型 深度神经网络简介 在监督学习中，以前的多层神经网络的问题是容易陷入局部极值点。同时由于很多任务难以得到足够多的标记样本，在这种情况下，简单的模型，比如线性回归或者决策树往往能得到比多层神经网络更好的结果。 非监督学习中，以往没有有效的方法构造多层网络