10 模式识别件-第10章 神经网络模式识别法.pptVIP

10.5 神经网络模式识别 神经网络模式识别的基本思想 神经网络用于模式识别时，输入神经元用来模式或表征模式的特征向量，输出神经元的输出对应分类结果。 通常神经网络模式识别分为训练和识别两个阶段。 （1）训练阶段根据训练样本集，按照一定 的学习规则调整权系数，使权系数收敛到最优值，得到神经网络分类器。 （2）识别阶段利用训练阶段得到的神经网络分类器，对输入模式进行识别，生成分类结果。 下面以前馈神经网络为例，介绍神经网络模式识别方法 在各种人工神经网络模型中，前馈神经网络在模式识别领域应用较多，特别是BP网络和RBF网络。前馈神经网络用于模式识别时网络输入是表征模式的特征向量，每一个输入节点对应样本的一个特征，网络的输出值对应分类结果。 根据输出节点的数量分为多输出型和单输出型 多输出型 多输出型网络的输出层节点表示类别，可以有两种方式：第一种方式是每一类对应一个输出节点；第二种方式为用输出节点的某中编码方式来代表类别。 单输出型 单输出型方式，即网络的输出层只有一个神经元。一个单输出型网络只能判断输入样本是否属于某个类别，对每个类别都要构建一个网络，且要对每个网络分别进行训练。 输入层：每个神经元与输出层所有神经元连接。 输入连续值模式向量。 SOM网络结构： 输出层：广泛连接，格阵形式。 竞争学习算