第二章 人工神经网络的基本模型(研).pptVIP

2006-5-9 北京科技大学 自动化系 对称型阶跃函数 非线性作用函数2 对称型Sigmoid函数 非线性作用函数4 对称型阶跃函数 非线性作用函数 非线性作用函数6 B样条函数（０次） 非线性作用函数 2.3 人工神经网络的学习算法概述 第二章 人工神经网络的基本模型 学习过程就是调整权值的过程。 1、竞争学习 2、有监督学习 3、无监督学习 4、Hebb和Delta学习 5、有、无监督混合学习 6、随即自适应学习模拟退火 7、模糊学习 等等 几种常见类型学习算法： 对于竞争学习规则，有三个基本元素： 1.一个神经元集合，这些神经元除了一些随机分布的突触权值之外是完全相同的，并且由于突触权值的不同而对一个给定的输入模式集合由不同的响应。 2.在每个神经元的强度上给定一个极限。 3.一个机制，它允许神经元为响应一个给定输入子集的权利而竞争，从而使得每次只有一个输出神经元或者每组只有一个神经元是激活的（即，“开”）.竞争获胜神经元被叫做胜者通吃（winner-takes-all）神经元。 2.3 人工神经网络的学习算法概述 第二章 人工神经网络的基本模型 竞争学习 2.3 人工神经网络的学习算法概述 第二章 人工神经网络的基本模型 竞争学习 按照标准的竞争学习规则，作用于突触权值wkj的改变量 wkj定义为 获胜神经元k的输出信号yk被置为1；竞争失败的所有神经元的输出