第1-2章-人工神经网络基础.pptVIP

* * 全互联网络 全互联网络是网络中所有的神经元之间都有相互间的连接 如Hopfiled和Boltgmann网络都是这种类型 全 互 联 网 络 * * BP神经网络 * * 2.5 人工神经网络的训练 人工神经网络最具有吸引力的特点是它的学习能力。 1962年，Rosenblatt给出了人工神经网络著名的学习定理：人工神经网络可以学会它可以表达的任何东西。 人工神经网络的表达能力大大地限制了它的学习能力。 人工神经网络的学习过程就是对它的训练过程 * * 人工神经网络的学习过程就是对它的训练过程，所谓训练，就是在将由样本向量构成的样本集合（也称为样本集、训练集）输入到人工神经网络的过程中，按照一定的方式去调整神经网元之间的联接权，使得神经网络能够将样本集的内涵以联接权矩阵的方式存储起来，从而使得在网络接收输入时，可以给出适当的输出。 * * 神经网络的学习算法 * * 学习方法 有监督学习 无监督学习 再励学习 在有监督的学习方式中，网络的输出和期望的输出（即教师信号）进行比较，然后根据两者之间的差异调整网络的权重，最终使差异变小。 在无监督的学习方式中，输入模式进入网络后，网络按照一预先设定的规则（如竞争规则）自动调整权重，使网络最终具有模式分类等功能。 再励学习是介于上述两者之间的一种学习方法 * * 学习规则 Hebb学习规则 这个规则是