人工神经网络概论.pptVIP

2.人工神经网络 Artificial Neural Networks;2.1 人工神经网络的提出 ;2.2 人工神经网络的特点;2.3 人工神经元 ;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、响应函数、作用函数等。;（1）对称型Sigmoid函数 ;（2）非对称型Sigmoid函数;（3）对称型阶跃函数函数;（4）线性函数 ;（5）高斯函数 ;2.4人工神经网络的典型结构;（1）前馈型神经网络 神经元分层排列，顺序连接。由输入层施加输入信息，通过中间各层，加权后传递到输出层后输出。每层的神经元只接受前一层神经元的输入，各神经元之间不存在反馈。;（2）反馈型神经网络 网络的输出信号通过与输入连接而返回到输入端，从而形成一个回路。因此每一时刻网络输出不仅取决于当前的输入，而且还取决于上一时刻的输出。;2.5 人工神经网络的学习 ;人工神经网络连接权的确定通常有两种方法 根据具体要求，直接计算 通过学习得到的,大多数人工神经网络都采用这种方法 ;1）有导师学习方式;;心理学家Hebb根据生理学中的条件反射机理，于1949年提出的神经元连接强度变化的规则： 如果两个神经元同时兴奋(即同时被激活)，则它们之间的突触连接加强 。 根据该假设定义的权值调整方法称为Hebb学习规则，可归纳为：当神经元i和神经元j同时处于兴奋状态时，两者之间的连接强