第4章 人工神经网络.ppt

* * * 感知器编程模型 参数初始化 获取训练数据 确定样例模型 训练网络 识别或分类 前馈网络编程模型 参数初始化 获取训练数据 确定样例模型 训练网络 识别或分类 确定网络模型 前馈网络输入输出模型 输入数据 神经网络模型 输出数据 训练数据 图像数据的提取 BMP文件头 BMP信息头 图像矩阵 调色板（RGB图无此） 图像文件 * * * * * * * * * * * * * * * * * * * * * * * * * * * 第4章 人工神经网络 4.1 简介 ANN：Artificial Neural Network 使用梯度下降来调节网络参数以拟合由输入-输出对组成的训练集合 对于训练数据中的错误鲁棒性（robust）很好 应用： 视觉场景分析（interpreting visual scenes） 语音识别 机器人控制 4.1 简介 应用：反向传播算法（back propagation） 学习识别手写字符 学习识别口语 学习识别人脸 4.1 简介：生物学动机 ANN的研究主要是受到了生物学启发 生物的学习系统是由相互连接的神经元（neuron）组成的异常复杂的网络 ANN由一系列简单的单元相互密集连接构成的： 每个单元有一定数量的实值输入 产生单一的实值输出（可能成为其他很多单元的输入） 4.1 简介：生物学动机 人类的大脑： 人类的大脑是由1011个神经元相