概率神经网络概要.pptVIP

应用表面增强拉曼光谱检测水中抗生素的研究 LOGO XX学校 我们毕业啦 其实是答辩的标题地方 概率神经网络 报告人 XXX XXX XXX * * 概率神经网络（PNN）： 以指数函数替代神经网络中常用的S形激活函数，进而构造出能够计算非线性判别边界的概率神经网络。 1、基于贝叶斯最优分类决策理论（错误率、风险最小化） 2、基于概率密度估计方法 不同于反向传播算法中的试探法，而是基于统计学中已有的概率密度函数的非参数估计方法。 3、前馈网络的一种 没有反馈 一、简 介 * 贝叶斯决策 概率密度函数估计 其中， 基于训练样本，高斯核的Parzen估计 ： 分类任务：假设有c类，w1,w2, …wc 二、理论推导 * 判别函数 是属于第 类的第k个训练样本 是样本向量的维数 是平滑参数 是第 类的训练样本总数 判别规则 只需经验给出，或聚类法，可取为在同组中特征向量之间距离平均值的一半。 * * 右图以三类为例，即C=3；同时，设特征向量维数为3。 输入层 样本层 求和层 竞争层 PNN拓扑结构图 * * 输入层 求和层 样本层 竞争层 神经元个数是特征向量维数 神经元个数是训练样本的个数 神经元个数是类别个数 神经元个数为1 在输入层中，网络计算输入向量与所有训练样本向量之间的距离。 样本层的激活函数是高斯函数。 将样本层的输出按类相加