第五章 机器学习概述.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * 所以， 故，当ANj为输出层的神经元时，它对应的联接权wij应该按照下列公式进行调整： ANj为输出层神经元 ANj为隐藏层神经元 ANj为隐藏层神经元 Netk= ANj为隐藏层神经元 ANj为隐藏层神经元 ANj为隐藏层神经元 前馈型神经网 多层感知器 n层网络可以以n-1个超曲面构成一个符合曲面，弥补了单层感知器的缺陷。基于BP算法，依据大量样本通过逐步调整神经元之间的联接权重来构造网络。理论上，多层前馈网络在不考虑结果规模的前提下，可以模拟任意的输出函数。 前馈型神经网 特点： 用非线性连续可微的函数来分类，结果是一种模糊概念。当输出f(u)0时，其输出不一定为１，而是一个0.5(有时只是0)的值，表示所得到的概率为多少。 应用： 各行各业。是应用最广泛的神经网络模型之一。 自组织竞争人工神经网络 概述 在实际的神经网络中，存在一种侧抑制的现象。即一个细胞兴奋后，通过它的分支会对周围其他神经细胞产生抑制。这种侧抑制在脊髓和海马中存在，在人眼的视网膜中也存在。 自组织竞争人工神经网络 概述 这种抑制使神经细胞之间出现竞争，一个兴奋最强的神经细胞对周围神经细胞的抑制也强。虽然一开始各个神经细胞都处于兴奋状态，但最后是那个输出最大的神经细胞“赢”，而其周围的神经细胞