第4章神经网络基本理论王耀楠智能控制.pptVIP

下载本文档

0
0
约8.19千字
约 50页
2017-06-09 发布于四川
举报
版权申诉

第4章神经网络基本理论王耀楠智能控制.ppt

1、本文档共50页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第四章神经网络基本理论 4.1 人工神经元模型 4.1 人工神经元模型 4.1 人工神经元模型 4.1 人工神经元模型 4.1 人工神经元模型 4.2 神经网络的定义和特点 4.3 感知器模型 4.3 感知器模型 4.3 感知器模型 4.4 神经网络的构成和分类 4.4 神经网络的构成和分类 4.4 神经网络的构成和分类 4.4 神经网络的构成和分类 4.4 多层前向BP神经网络 4.4 多层前向BP神经网络 4.4 多层前向BP神经网络 4.4 多层前向BP神经网络 4.4 多层前向BP神经网络 4.4 多层前向BP神经网络 4.5 大脑自组织神经网络 4.5 大脑自组织神经网络 4.5 大脑自组织神经网络 4.5 大脑自组织神经网络 4.5 大脑自组织神经网络 4.6 小脑神经网络 4.6 小脑神经网络 4.6 小脑神经网络 4.6 小脑神经网络 4.6 小脑神经网络 4.6 小脑神经网络 4.6 小脑神经网络 4.6 小脑神经网络 4.6 小脑神经网络 4.6 小脑神经网络 4.6 小脑神经网络 4.6 小脑神经网络 4.6 小脑神经网络 4.7 模糊神经网络 1. 单模式训练情况输入为：X=[0 0 1] 结果： W=[ 0.1122 0.0000 0.0000 0.0000 0.9028 0.8289 0.5208 0.4608 0.4435 0.4433 0.0000 0.0000 0.0000 0.4511 0.1663 0.7181 0.4453 0.3663 0.4668 1.0000 1.0000 1.0000 0.8045 0.3939 0.5692 0.0877 0.3025] 输入为：X=[0 1 0] 结果： W=[0.1122 0.0147 0.2816 0.7839 0.9028 0.8289 0.0000 0.0000 0.0000 0.4433 0.6641 0.2618 0.9862 0.4511 0.1663 1.0000 1.0000 1.0000 0.4668 0.7241 0.7085 0.4733 0.8045 0.3939 0.0000 0.0000 0.0000] 2. 多模式训练情况 1 0 0 0 1 0 0 0 1 Input= 训练结果： 0.0000 0.0000 1.0000 1.0000 1.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 W＝网络输出： Output=Input*W= 0.0000 0.0000 1.0000 1.0000 1.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 模式1 模式2 模式3 模式2 模式1 模式3 模式1 模式2 模式3 小脑模型关节控制器（CMAC）是由Albus最初于1975年基于神经生理学提出的，它是一种基于局部逼近的简单快速的神经网络，能够学习任意多维非线性映射, 迄今已广泛用于许多领域。 CMAC具有优点：具有局部逼近能力，每次修正的权值极少，学习速度快，适合于在线学习；一定的泛化能力，相近输入给出相近输出，不同输入给出不同输出； CMAC的原理 CMAC是一种模仿人类小脑的学习结构。在这种技术里，每个状态变量被量化并且输入空间被划分成离散状态。量化的输入构成的向量指定了一个离散状态并且被用于产生地址来激活联想单元中存储的联想强度从