bp神经网络教案.ppt

神经网络原理 王永骥 常用神经网络原理及学习算法 1、介绍四种类型的网络 2、神经网络的学习算法 3、感知器网络(Perceptron) 4、线性神经网络 5、 BP网络 6、基于二阶收敛阶的学习算法 7、 对角回归神经网络及其学习算法 8、 辐射基函数神经网络 9、 霍普菲尔德神经网络 10、自组织竞争 神经网络的学习算法 1、学习算法的类型 决定性质的两个因素：拓扑结构、学习（工作）规划 2、无监督Hebb算法 介绍四种类型的网络 1、前向型 2、反馈型 3、随机型 4、自组织竞争型 学习算法的类型 1、死记式学习 2、有监督学习 3、无监督学习 4、有、无监督混合学习 5、无监督竞争学习 6、无监督Hebb学习 7、Boltzmann学习 8、模糊学习 9、强化学习 死记式学习 连接权根据某种特殊记忆模式设计为不变 联想记忆、优化计算时即为此 有监督学习 学习结果（网络输出）有一评价，差值决定加权调整 无监督学习 自组织学习 网络根据某种规则反复调整加权以响应输入模式的激励，直到网络形成某种有序状态 抽取输入信号规律（统计规律） 学习评价标准隐含于网络内部 学习规则：Hebb 相近学习规则 必要条件：输入数据的冗余性 作用：主元分析、聚类、特征映射 有、无监督混合学习 优点：分类精细