智能信息处理 人工神经网络总结.docVIP

第1讲： 神经网络信息处理方法 人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统 人工神经网络特点：1．大规模并行处理2．分布式存储3．自适应(学习)过程 人工神经网络的基本要素：神经元功能函数、神经元之间的连接形式和网络的学习(训练)。 1.神经元功能函数 神经元在输入信号作用下产生输出信号的规律由神经元功能函数f（Activation Function）给出，也称激活函数，或称转移函数，这是神经元模型的外特性。 2 神经元之间的连接形式*前向网络(前馈网络) 网络可以分为若干“层”，各层按信号传输先后顺序依次排列，第i层的神经元只接受第(i-1)层神经元给出的信号，各神经元之间没有反馈。======前馈型网络可用一有向无环路图表示. *反馈网络 典型的反馈型神经网络每个节点都表示一个计算单元，同时接受外加输入和其它各节点的反馈输入，每个节点也都直接向外部输出。 Hopfield网络即属此种类型。在某些反馈网络中，各神经元除接受外加输入与其它各节点反馈输入之外，还包括自身反馈。有时，反馈型神经网络也可表示为一张完全的无向图. 3. 人工神经网络的学习(训练) Hebb 有例子，δ学习规则，感知器学习，Hidrow_Hoff,胜者为王 第2讲：BP神经网络模型 BP神经网络其基本思想是： 学习过程由信号的正向传播与误差的反向传播两个过