人工神经网路.PDF

人工神經網路 Artificial Intelligence, Autumn 2011, C. J. Chang 腦工作機制簡介 什麼是機器學習？  機器學習涉及自適應機制，這種機制使電腦能夠透過經驗、 實例和模擬的方式進行學習。經過一段時間，學習能力可以 改善智慧系統的性能  機器學習的機制是自適應系統的基礎。機器學習最常見的方 法是人工神經網路和基因演算法 什麼是神經網路  以人類大腦為基礎的推理模型  大腦由密集的相互連接的神經細胞或基本資訊處理單元也( 叫神經元 )組成  人類的大腦約有100億個神經元，之間連接形成的突觸有 60 萬億個。透過同時使用多個神經元，大腦執行其功能的速度 遠遠超過現在最快的電腦 神經元及其運作 雖然每個神經元的結構都很簡單，但多個神經元結合 起來，卻能有非常強大的其處理能力  一個神經元包含一個細胞體、一些樹突和一根很長的 軸突 如果樹突伸向細胞體周圍的網路中，軸突就向樹突和其他神 經元的細胞體伸展開 在神經元之間傳遞的信號是透過複雜的電化學反應而產生的 從突觸中釋放的化學物質導致細胞體電壓發生變化 當電壓達到臨界值，就會透過軸突向下傳送一個電脈衝動作電位( )  脈衝傳播開並最終到達突觸，使突觸的電壓增加或減少 生物神經網路 4 人工神經網路(1)  人類的大腦可以看作一個高度複雜、非線性、並列的 資訊處理系統。 神經網路中資訊的儲存和處理在整個網路中是同時進 行的，而不是單獨在某個位置上進行的。換言之，在 神經網路中，資料及其處理是全域而不是局部的 神經網路具有一定的可塑性，能強化與導致正確答案 的神經元之間的連結，並弱化與導致錯誤的連結，以 藉由經驗進行學習  學習是生物神經網路的基礎和本質特徵。這種簡單和 自然的方式使得在電腦中類比生物神經網路的嘗試成 為可能 5 人工神經網路(2)  人工神經網路包含很多簡單但高度互聯的處理器，也 稱作神經元，這與大腦中的生物神經網路很類似 神經元之間透過有權重的連結將信號從一個神經元傳 遞到另一個神經元  每個神經元透過其連接收到幾個輸入信號。輸出信號 透過神經元的外出連接傳送。外出連接又分出幾個分 支傳遞相同的信號。外出分支在網路中其他神經元的 進入連接處中止 6 生物和人工神經網路的對比 生物神經網路 人工神經網路 細胞體 神經元 樹突 輸入 軸突 輸出 突觸 權重 7 人工神經網路如何學習 神經元透過連結相連，每個連結都有權重。權重是 ANN中長期記憶的基本方式。它們表達每個神經元輸 入的強度或稱為重要性( ) ，ANN透過不斷調整這些權 重進行學習 典型的ANN是分層的結構，網路中的神經元排列在這 些層中，與外部環境連接的神經元形成輸入和輸出層