遥感影像识别-第六章神经网络在模式识别中的应用PartⅠ.pptVIP

常州市土地利用总体规划（2006-2020年）大纲 遥感影像识别第六章:神经网络在模式识别中的应用 Part Ⅰ 1. 主要内容 概 论 神经元与网络结构 感知器模型 反向传播网络模型 遥感图像处理试验 1.1 神经网络的研究发展史 1.1.1 第一次神经网络研究高潮 对大脑神经元的研究表明，当其处于兴奋状态时，输出侧的轴突就会发出脉冲信号，每个神经元的树状突起与来自其它神经元轴突的互相结合部(此结合部称为Synapse，即突触)接收由轴突传来的信号。如果一神经元所接收到的信号的总和超过了它本身的“阈值”，则该神经元就会处于兴奋状态，并向它后续连接的神经元发出脉冲信号。 1943年，W．S．McCulloch和W．Pitts根据上述研究发表了他们的神经元模型，通常称为MP模型。 1949年，D.O.Hebb提出了神经元的学习法则，即Hebb法则。 50年代末，F．Rosenblatt基于上述原理提出了一种模式识别机，即感知机(Perceptron)模型。 感知机是现代神经计算的出发点。Block于1962年用解析法证明了感知机的学习收敛定理。正是由于这一定理的存在，才使得感知机的理论具有实际的意义，并引发了60年代以感知机为代表的第一次神经网络研究发展的高潮。 M．Minsky和S.Papert进一步发展了感知机的理论，他们把感知机定义为一种逻辑函数的