4第四章人工神经网络.ppt

第四章 人工神经元网络 郝红卫 第四章 人工神经元网络 4.1 引言 4.2 神经元模型 4.3 前馈运算和分类 4.4 反向传播算法 4.5 改进反向传播的一些实用技术 4.6 讨论 引 言 线性分类器只能解决线性可分问题，具有局限性 采用的训练算法具有启发意义 是否可以将其推广至非线性分类器 分类器结构的推广———多层神经网络 学习算法的推广——反向传播算法（BP） 引 言 人工神经网络的研究与计算机的研究几乎是同步发展 1943年，心理学家McCulloch和数学家Pitts合作提出了神经元的数学模型，成为人工神经网络研究的开端 1949年，心理学家D.Hebb提出神经元之间突触联系强度可变的假设，并据此提出神经元的学习准则，为神经网络的学习算法奠定了基础 1958年，Rosenblatt 提出了感知机模型，首次把神经网络的研究付诸工程实践 1969年，Minsky 和Papert 出版《感知机》一书，从数学上深入分析了感知机的原理，指出其局限性。加之计算机正处于全盛发展时期，早期的人工智能研究也取得了巨大的成就，掩盖了发展新型计算机模型的迫切性，使人工神经网络的研究陷入低潮 引 言 1982年，Hopfield提出的Hopfield网络模型，为联想记忆和最优化计算提供了一种新途径，大大促进了神经网络的研究 1986年，Rumelhart等提出