光机电一体化系统的软件设计.pptVIP

在神经网络中，神经元是通过层进行组织的 多层神经网络结构：三层或三层以上的神经网络 按功能划分：输入层、中间层（隐层）、输出层 输入层：网络与外部环境的接口 中间层：网络的内部处理层,不直接与外部的输入和输出联系，又称隐层 隐层的神经元具有模式应变能力 输出层：网络的信息处理结果经此向外部环输出 5.5.3 人工神经元网络模型 学习通过对样本的学习来不断地调整神经元之间的连接强度（权值） 学习的结果：是神经元之间的连接强度收敛于某个稳定的权值分布 学习类型：有导师学习和无导师学习 有导师学习：将导师样本加入人工神经网络，产生的输出结果要不断地与导师样本产生的期望输出作比较，用得到的误差信号来调整网络的权值，不断减小误差，直到权值收敛于某个稳定的权值分布。 无导师学习：网络按一定的规则自主调节自身的权值，具有自组织能力 5.5.4人工神经网络的学习 “权值修正”是网络学习算法的核心 “权值修正”的规则：相关规则、误差修正规则 相关规则：当神经网络中的某一神经元与另一个神经元同时处于兴奋状态时，它们之间的连接强度应当加强。 误差修正原则：学习算法可以分为以下四步。 1、初始化权值分布 （0）。 2、计算某一输入对应的实际输出与期望输出的误差。 3、用式（5-54）更新权值。 （5-54） 式中， 为学习因子； 为第j个神经元的期望输出； 为实际输出； 为第j个神经元