8-神经网站络分类器-第八章.pptVIP

前馈型网络 网络拓扑结构类型 ——层次型结构 反馈型网络 网络拓扑结构类型 ——层次型结构 前馈型神经网络是广为应用的一种网络，其原理或算法也是其它一些网络的基础。径向基函数(RBF)神经网络也是一种前馈型神经网络，由于RBF 网络学习收敛速度较快，近年来在应用中受到重视。 Hopfield 神经网络是反馈型网络的代表。网络的运行是一个非线性的动力学系统，已在联想记忆和优化计算中得到成功应用。 自组织竞争型神经网络的特点是能识别环境的特征，并自动聚类。它们在特征抽取和大规模数据处理中已有极为成功的应用 几种神经网络介绍 神经网络的性质主要取决于以下两个因素：一个是网络的拓扑结构；另一个是网络的权值。二者结合起来就可以构成一个网络的主要特征。 神经网络的学习问题就是网络的权值调整问题。神经网络的连接权值的确定一般有两种方式： 一种是通过设计计算确定，即所谓死记式学习；Hopfield 网络作联想记忆和优化计算时就是属于这种情况。 另一种是网络按一定的规则通过学习（训练）得到的。大多数神经网络使用后一种方法确定其网络权值。如自组织学习、有/无监督学习等。 神经网络学习 神经网络学习 神经网络能够通过对样本的学习训练，不断改变网络的连接权值以及拓扑结构，以使网络的输出不断地接近期望的输出，其本质是可变权值的动态调整。 神经网络的学习类型： 有导师学习(有监督学习) 无导师学习