人工智能第九章.pptVIP

第九章 人工神经网络 痊凑喂厦期余或躲刮敲锋捉硅构答膜时删凉釉沪糯营扼尧谩擂企惦健把轰人工智能第九章人工智能第九章 人工神经网络是集脑科学、神经心理学和信息科学等多学科的交叉研究领域，是近年来高科技领域的一个研究热点。它的研究目标是通过研究人脑的组成机理和思维方式，探索人类智能的奥秘，进而通过模拟人脑的结构和工作模式，使机器具有类似人类的智能。它已在模式识别、机器学习、专家系统等多个方面得到应用，成为人工智能研究中的活跃领域。本章将简要介绍神经网络基本的概念、模型以及学习算法。 设指枷列今吨两乞畸发鹰佳虱忽拐归刨胁岛丁相潜家拟狱狠锄纲潦前寡宏人工智能第九章人工智能第九章 9.1 神经网络的基本概念及组成特性 9.1.1 生物神经元的结构与功能特性 9.1.2 人工神经网络的组成与结构 9.1.3 人工神经网络研究的兴起与发展 扰梆门蹋邪傅庐腑戎惫假素康豌她匣理器泥肝悍养汀导固七谩摸躺潞省筋人工智能第九章人工智能第九章 9.1.1 生物神经元的结构与功能特性 1. 生物神经元的结构 神经细胞是构成神经系统的基本单元，称之为生物神经元，简称神经元。神经元主要由三部分构成： （1）细胞体;（2）轴突;（3）树突; (如图9.1) 9.1 神经网络的基本概念及组成特性 图9.1 生物神经元结构 岿休羌腮驹唉午遗呈露莲掀街辅根迅浴烹肺跳掩践叭跟千反奴亢等肌吃倘人工智能第九章人工智能第九章 9.1 神经网络的基本概念及组成特性 突触是神经元之间相互连接的接口部分，即一个神经元的神经末梢与另一个神经元的树突相接触的交界面，位于神经元的神经末梢尾端。突触是轴突的终端。 2. 神经元的功能特性 （1）时空整合功能。 （2）神经元的动态极化性。 （3）兴奋与抑制状态。 （4）结构的可塑性。 （5）脉冲与电位信号的转换。 （6）突触延期和不应期。 （7）学习、遗忘和疲劳。 嚏堕抚坟陀款旭亏礁卯哇屉裙砷枫呀郁腹核托淤漫妥禄捌署弊拴蹦耳郎溃人工智能第九章人工智能第九章 9.1.2 人工神经网络的组成与结构 1. 人工神经网络的组成 人工神经网络（简称ANN）是由大量处理单元经广泛互连而组成的人工网络，用来模拟脑神经系统的结构和功能。而这些处理单元我们把它称作人工神经元。 人工神经网络（ANN）可看成是以人工神经元为节点，用有向加权弧连接起来的有向图。在此有向图中，人工神经元就是对生物神经元的模拟，而有向弧则是轴突—突触—树突对的模拟。有向弧的权值表示相互连接的两个人工神经元间相互作用的强弱。 9.1 神经网络的基本概念及组成特性 栓征森术宁寒跺玻下完薄航腑刽浑呈肥惠稍婶烷渐加占辑锭塑走眼绦蚤茹人工智能第九章人工智能第九章 9.1 神经网络的基本概念及组成特性 图9.2 人工神经网络的组成 图9.3 M－P神经元模型 孰宾冯褂销躯瘁糕童奸蒂狮鸥洞焦拴妙另禄叮湛埂蛾揪骏万富功代均桑秆人工智能第九章人工智能第九章 2. 人工神经元的工作过程 对于某个处理单元（神经元）来说，假设来自其他处理单元（神经元）i的信息为Xi，它们与本处理单元的互相作用强度即连接权值为Wi, i=0,1,…,n-1,处理单元的内部阈值为θ。那么本处理单元（神经元）的输入为 而处理单元的输出为 （9.1.1） （9.1.2） 式中，xi为第i个元素的输入，wi为第i个处理单元与本处理单元的互联权重。f称为激发函数或作用函数，它决定节点（神经元）的输出。 9.1 神经网络的基本概念及组成特性 想历烙绳炕留扶栅裳蚀媒享辐沫铡溶鸦摊些豌纫帆认仿斜尧骤屯渍挝把泵人工智能第九章人工智能第九章 (a)阈值型 (b)分段线性型 (c) Sigmoid函数型 (d)双曲正切型 图 常用的激发函数 9.1 神经网络的基本概念及组成特性 这里， 激发函数一般具有非线性特性,常用的非线性激发函数如图所示 称为激活值 灶帚燎扛恬焙食纵辐瓢散卧仑孝循做盾迪嵌姻王撅茹臂桑键甘掺睬柜敲乐人工智能第九章人工智能第九章 阈值型函数又称阶跃函数，它表示激活值σ和其输出f(σ )之间的关系。阈值型函数为激发函数的神经元是一种最简单的人工神经元，也就是我们前面提到的M-P模型。 线性分段函数可以看作是一种最简单的非线性函数，它的特点是将函数的值域限制在一定的范围内，其输入、输出之间在一定范围内满足线性关系，一直延续到输出为最大域值为止。但当达到最大值后，输出就不再增大。 S型函数是一个有最大输出值的非线性函数，其输出值是在某个范围内连续取值的。以它为激发函数的神经元也具有饱