第十六课 神经网络模式识别 人工神经网络理论及应用 教学课件.pptVIP

人工神经网络理论及应用 屈桢深 哈尔滨工业大学 主成份分析 基本原理 神经元实现 Hebb规则 Oja规则 收敛条件 神经网络实现 主成份分析——单神经元实现 使用单线性神经元及Oja规则，可证明在满足下述条件下学习收敛： (1)权值学习过程足够慢，使w变化满足平稳过程，此时其瞬时统计量满足： (2)输入向量取自平稳随机过程，且自相关阵Rxx具有各异特征值； (3) w和x统计独立 次成份分析 基本原理 神经元实现 支持向量机(SVM) 基本原理 (线性，二类) 非线性SVM, 核函数 扩展：SVM多类分类 示例 实例演示:字符识别 appcr1 输入、输出向量化； 使用原始模式训练； 加入不同噪声训练； 比较上述两种网络性能 酵母基因表达式分析 背景：酵母菌在富含葡萄糖的媒介中，将葡萄糖转化为乙醇，即发酵过程(厌氧)；当葡萄糖被耗尽后，将使用乙醇进行呼吸(好氧)；该过程的转变同时体现在基因表达式的变化。 目标：通过对基因表达式进行分析，判断在转变过程中基因之间的关联关系。 处理步骤： 读入数据 数据滤波 数据降维 yeastdemonnet 读入数据 load yeastdata.mat genes: 基因名称； yeastvalues：基因表达式数据 每一行代表一个基因，共6400，每个基因7个数据，过多。 数据滤波 排除所有空数据； 排除所有不确定数据； 排除所有变化不明显数据； 排除所有相对很小的数据(幅值，熵)； 数据降维 归一化：mapstd 主分量分析：processpca 神经网络聚类 使用SOM聚类； 训练神经网络； 画出聚类中心点； 将每个样本点归类。 螃蟹分类 问题背景：根据外观特征分辨螃蟹性别。 特征：种类，前鳃，后部宽度，长度，宽度和长度。 目标：根据上述特征对螃蟹进行分类。 获取数据 从文本文件读入 转化数据 对数据归一化 NN训练 数据划分：训练数据，校验数据，测试数据 训练 测试 英文字符识别问题 大写英文字符采用8*8点阵图像表示。 已给出一组示例，要求手工完成其余多组示例。 任务：使用任一种神经网络，完成对输入字符的自动识别。误判数量不能超过3个。 要求 系统结构图； 使用神经网络类型，输入，输出，节点个数及具体参数选取等； 数据预处理和后处理； 系统误差曲线，识别准确率和容易误判的字符。 * * 16. 神经网络模式识别 主要内容 主分量分析 次分量提取与最优拟合 支持向量机 示例 *