我人工神经网络-2 基础.pptVIP

第2章 人工神经网络基础;主要内容;生物体的神经系统;;;生活中的神经网络;生活中的神经网络;数学解释;;示例;2个（多）输入的神经网络结构图;检验;OR运算 ;;生物神经网/人工神经网络的基本特性;学习;学习;;学习律（规则）;实际执行过程;人工神经网络的学习 ;人工神经网络的学习 ;无监督学习 ;无监督学习;Hebb学习规则;有监督学习 ;人工神经网络的学习 ;阈值逻辑单元（Threshold Logic Unit，TLU）;阈值逻辑单元（Threshold Logic Unit，TLU）;阈值逻辑单元（Threshold Logic Unit，TLU）; //初始化训练集合 TrainSet[ ] sets = new TrainSet[ ]{ new TrainSet(0, 0, 0), new TrainSet(0, 1, 0),  new TrainSet(1, 0, 0), new TrainSet(1, 1, 1) }; //构造单层神经网络 2 个输入节点 1个输出节点 NeuralNetwork nn = new NeuralNetwork(2, 1); slnn = new SingleLayerNeuralNetworks(nn, sets); //训练 slnn.Train(); MessageBox.Show(AND运算训练结束); this.button2.Enabled = true; this.button3.Enabled = true; this.button4.Enabled = true; this.button1.Enabled = true; this.Text = AND运算;;;激活函数(Activation Function) ;非线性斜面函数(Ramp Function);非线性斜面函数（Ramp Function）;阈值函数（Threshold Function）阶跃函数;3、阈值函数（Threshold Function）阶跃函数;4、S形函数 ;4、S形函数 ;括铃贞剔渝置片忱厌瞻正俊肚赏晃雨盯僧明恤绍疡咯鲜孜纬雄瓷松埔刀厩我的人工神经网络-2 基础我的人工神经网络-2 基础; 这三个点正处在两个区间的中间，数学方程式无法判断。为此用人工神经网络判断。输入信号为x ，y。但要求取值都在0，1之间。由于x，y均在1.1~2.1，所有数都减去1.1，归一化就完成了。 处理的基本思路是：自15个已知样品中找出规律，将此规律用于处理三个未确认的样本。 解决实际问题时要根据具体情况确定隐含层的层数和输入层、隐含层、输出层各自的结点数，以使构成的网络达到最优效果。本例中，隐含层取1，输入结点数为2，分别代表触角与翼长；中间隐含层的结点数取3个就够了。输出的结点数取2，设Af样品的输出是（1，0）；Apf的输出是（0，1）时为理想输出。由15个已知样品进行训练，选出合适的权值。对于任一未知样品，输出元后，和靠近（1，0）还是靠近（0，1）对比，就可以判断其归属了。 ;输入信号为x-1.1 ，y-1.1;;总结;习 题