chapter 1 introduction to neurocomputing - 医学影像处理实验室mipl.pptVIP

Neurocomputing and Neuroscience 如果神經元的輸入無法達到threshold，則輸入訊號將快速衰減，而且不會產生行動電能(potential)。因此，action potential的產生原則是all-or-nothing。 輸入強度是表現在每秒產生的action potential數量，而不是action potential的大小。較強的輸入信號會比較弱的輸入信號產生較多的action potential。 Neurocomputing and Neuroscience Synapses are the points of contact that connect the axon terminals to their targets. Synapse由下列所組成： Nerve terminal Synaptic cleft or gap Postsynaptic membrane Classification of neural networks Supervised learning vs. unsupervised learning 類神經網路世界發展之趨勢 偏向高維度、及時、巨量、複雜型、隨機型、及時序型之資料、並且結合其他多種方法，並解決實際複雜問題，想辦法賦予其所學出之系統較能被人類所能了解之語意解釋。 類神經網路與模糊建模技術相結合用來解決函數近似(function approximation)的問題，以建立一個模糊類神經網路模型，並能處理部分語意。 最佳化的方法可以採用最陡坡降法、群體智能演算法、迴歸法或多種方法的混和學習法(hybrid learning)。 最近也有學者將其擴充至複數值類神經網路，其與傳統類神經網路不同的地方在於其架構中的神經元(neuron)採用的是複數值的神經元，比實數值類神經網路更具彈性。 類神經網路世界發展之趨勢 未來研究的方向包含如何融合其他技術，如模糊集合、基因演算法、群體智能等以增加其學習的效率； 發展多層的複數值類神經網路架構，期望能夠擴大其應用與解決更為複雜的問題；以及調整其架構，俾能處理函數近似的問題。 支援向量機(support vector machines) 也是類神經網路的一個重要技術。支援向量機相關技術可以包含四個研究方向。第一是關於分類的問題，第二是關於分群的問題，第三是關於核函數的參數選擇的問題，第四是關於多核心支援群聚(multi-kernel support vector clustering)技術。 類神經網路世界發展之趨勢 Evolving Connectionist Systems (ECoS)的研究亦相當熱門，其是一種模組化相連的系統，可藉由輸入的資訊以自我組織、即時、適應性的方式演化他們的結構及功能。 ECoS可採監督式或非監督式的學習方式，並已被成功地應用於生物資訊、語音及影像辨識、機器人控制、多模式訊號處理等。另 外Evolving Spiking Neural Network (eSNN)是從ECoS發展出來的神經網路，具有空間及時間(spatio-temporal)的資訊處理能力，並常應用於辨識問題上。 關鍵研究課題 複數類神經網路技術 自主式機器學習 模組化相連系統 動態與混沌網路 神經網路之高階認知 線上即時巨量資料學習 類神經網路與其它技術之融合 一般性研究課題 支援向量機及EM演算法 時間序列預測 隨機式類神經網路 半監督式學習 新架構或新學習演算法 吸引因子網路(Attractor Neural Networks) 進階類神經網路的應用 類神經網路之硬體設計 已發展成熟之研究課題 前饋型類神經網路(Feedforward Neural Networks) 傳統之監督式學習及非監督式學習方法 自我組織圖(Self-organizing Maps) 基本類神經網路之應用 ? 資訊工程所 醫學影像處理實驗室(Medical Image Processing Lab. ) Graduate School of Computer Science Information Engineering * 資訊工程所 醫學影像處理實驗室(Medical Image Processing Lab. ) Graduate School of Computer Science Information Engineering Chapter 1Introduction to Neurocomputing 國立雲林科技大學 資訊工程研究所 張傳育(Chuan-Yu Chang ) 博士 Office: EB 212 TEL: 05-5342601 ext. 4337 E-mail: chuanyu@.tw HT