人工神经网络介绍讲解材料.ppt

人工神经网络 Artificial Neural Networks;何水明 大学数学部 联系电话Email：ddhsm@163.com 办公地点：数理学院楼214;主要参考书目;前言;例子：数据拟和;例子：学习样本集1; 学习样本集2;前言;前言;前言;前言;第一节 神经网络原理;人脑的活动机理;人脑的活动机理;人脑的活动机理;M－P模型(模拟人脑网络);在M-P模型基础上发展起来的常用神经网络模型如图所示：; ;神经元的工作过程一般是： (1) 从各输入端接收输入信号xi； (2) 根据连接权值wi，求出所有输入的加权和σ ： (3) 用某一特性函数 ( 又称作用函数) f 进行转换，得到输出y：; 第二节 神经网络模型 ; ; ;感知器;感知器;2、单层感知器及其算法 单层感知器只有一个计算层，它以信号模板作为输入，经计算后汇总输出，层内无互连，从输出至输入无反馈，是一种典型的前向网络，如图所示。 ;在单层感知器中，当输入的加权和大于等于阈值时，输出为1，否则为0或-1。它与M-P模型的不同之处是假定神经元间的连接强度(即连接权值wij ）是可变的，这样它就可以进行学习。 单层感知器的学习及其算法： 学习的目的是调整连接权值，以使网络对任何输入都能得到所期望的输出 。 考虑仅有一个输出节点的情况，其中，xi是该输出节点的输入；wi 是相应的连接权值(i=1，2．…，n)；y(t)是时刻t的输出；d是所期望的输出，它或者为1，或者为-1。学习算法如下：; (1) 给wi(0)(i=1，2，…，n)及阈值θ分别赋予一个较小的非零随机数作为初值；这里wi (0)表示在时刻t=0时第i个输入的连接权值。 (2) 输入一个样例X={x1，x2，…，xn}和一个所期望的输出d。 (3) 计算网络的实际输出： ; (4) 调整连接权值： 此处0η≤1，它是一个增益因子，用于控制调整速度。如果实际输出与已知的输出一致，表示网络已经作出了正确的决策，此时就无需改又wi(t)的值。 (5) 转到第(2)步，直到连接权值w，对一切样例均稳定不变时为止。; ;中国神经网络委员会（CNNC）简介 ;中国神经网络委员会（CNNC）简介;中国神经网络委员会（CNNC）简介;中国神经网络委员会（CNNC）简介;中国神经网络委员会（CNNC）简介;中国神经网络委员会（CNNC）简介; 本讲结束！ 谢谢大家！ 20110829