第六章 数据挖掘复习阶段.pptVIP

2.2 使用神经网络可以提供几种有用的属性和能力： 非线性——作为基本单元的神经网络可以使线性的或者非线性的处理元素，但是整个神经网络是高度非线性的。 从样本进行学习的能力——神经网络通过对样本数据进行一系列的训练和学习，可以改变它的联接权重。 自适应——神经网络有内置的随外部环境改变联接权重的能力。特别是在某个特定的环境下训练好的神经网络在外部环境改变的时候稍加训练就可以适应新的环境。 响应验证——在对数据进行分类的环境中，神经网络可以设计成不仅仅从给定的样本中提供有关分类的信息，还可以提供分类的置信度。 * 容错性——神经网络有固有的潜在容错能力，或者说是计算的健壮性。它的执行效率在某些不利情形下并不会显著地降低，比如说神经元的断开、干扰或者数据的丢失。 统一的分析和设计：基本上，人工神经网络和信息处理器一样具有良好的通用性。在所有有关人工神经网络的应用领域，使用了相同的原理、符号以及方法上使用了相同的步骤。 * 2.3人工神经元的模型 一个人工神经元就是一个信息处理单元，它是一个神经网络运转的基础。神经元由3个基本元素组成：一组连接线、加法器、激活函数f，限制神经元输出值y的幅度。 * 2.4人工神经网络结构 人工神经网络的结构是通过节点的特性以及网络中节点连接的特性来定义的。网络结构可以用网络的输入数目、输出数目、基本节点的总数以及节点间的组织和连接方式来表示。 按照连