第四章：人工神经元网络.pptVIP

第四章：人工神经元网络模型　 第一节　引言 第二节：前向神经网络模型 第三节　动态神经网络模型(不讲) 　第一节　引言 　模糊控制解决了智能控制中人类语言的描述和推理问题，尤其是一些不确定性语言的描述和推理问题，从而在机器模拟人脑的感知、推理等智能行为方面迈出了重大的一步。但模糊控制在处理数值数据、自学习能力等方面还远远没有达到人脑的境界。 　人工神经网络就是模拟人脑细胞的分布式工作特点和自组织功能实现并行处理、自学习和非线性映射等能力。它是另一种典型的智能控制方法。 　神经网络作为揭开人脑生理机制的一个重要手段。是一个高度复杂的非线性动力学系统，它与一般非线性动力学系统相比，还有一个快速并行处理能力和自学习能力。 　研究神经元网络系统主要有三个方面的内容：神经元模型、神经网络结构、神经网络学习方法。目前已被广泛应用的神经网络结构种类大致如下图 　　　　　　　　　　　　　　图4-1　神经网络结构分类示意图　虽然神经网络的组成原理和结构都不尽相同，但是它们都具有学习功能。所谓学习是指神经元系统能根据某种学习方法调整它内部的参数以完成特定的任务的过程。学习有有导师和无导师指导下的学习。下面讨论神经网络的一些共性问题。　一、神经元模型　神经元是生物神经系统的最基本单元。 神经元模型是生物神经元的抽象和模拟。是神经网络的最基本组成部分，一般是多输入-单输出的非