人工神经网络-bp.pptVIP

主要内容 一. 人工神经网络基本知识 生物神经网络、生物神经元 人工神经网络、人工神经元 人工神经网络三要素 典型激活函数 神经网络几种典型形式 二. 前馈神经网络、多层感知器、及非线性分类 三. BP神经网络 四. 数据处理及神经网络结构的选择 五. 应用 主要内容 人工神经网络基本知识 二. 前馈神经网络、多层感知器、及非线性分类 三. BP神经网络 四. 数据处理及神经网络结 构的选择 五. 应用 2. 感知器神经网络(感知器)、感知器神经元 感知器神经元的传递函数 单层感知网络可以实现线性分类 (1)多层感知器(MLP) 的一致逼近性 单个阈值神经元可以实现任意多输入的与、或及与非、或非逻辑门。 任何逻辑函数可由两层前馈网络（一层计算单元）实现。 三层或三层以上的前馈网络通常称为多层感知器 多层感知器的适用范围大大超过单层网络。 多层感知器示意 主要内容 一. 人工神经网络基本知识、神经元与感知器 二. 前馈神经网络、多层感知器、及非线性分类 三. BP神经网络 四. 数据处理及 神经网络结构的选择 五 应用 基于阈值神经元的多层感知器不足 隐含层不直接与外界连接，误差无法直接估计 中间层神经元的激活函数为阈值函数(或阶跃函数) 无法采用梯度下降法训练神经元权值