第四章 突触动力学 非监督学习课件.pptVIP

竞争作为相关检测器 利用等范数特性并进一步简化可得： （179） 可看出当且仅当输入信号模式 x 与 最大相关时，第j个竞争元才竞争获胜。 余弦定律： 度量竞争学习的几何解释：第j个神经元当且仅当输入模式更平行于突触矢量时才获胜。 精品 渐进的质心估计 简化的竞争学习定律： （181） 突触矢量 倾向于等于区域 的质心，至少也是平均意义上的质心。具体的细节将在第六章讨论。结论是平均突触矢量以指数规律迅速收敛到质心。应用此特性可以把训练样本只通过一次或少数的几次即可。 精品 竞争协方差估计 质心估计提供概率密度函数的一阶估计，而局部的协方差估计提供二阶描述。先将竞争学习规律扩展到渐进估计条件协方差矩阵 。 （189） 这里 表示 的质心。每个确定类 都有一个质心。 精品 竞争协方差估计 Borel测度随机矢量y的均方误差优化估计是误差估计理论的一个重要定理： （190） 其中 为Borel测度随机矢量函数。 精品 竞争协方差估计 每一步迭代中估计未知的质心 作为当前突触矢量 。这样 就成为一个误差条件协方差矩阵。对于获胜突触矢量有下列随机微分方程算法（191-192） 精品 竞争协方差估计 如果第i个 神经元在 度量竞争中失败，则 （193） （194） 精品 三 微分Heb学习 确定的微分Heb学习定律： （204） 及其简化形式 （205） 从样本数据的模糊认知映射的动态估计中提出。直觉上讲，Heb相关促进同时激励单元中伪因果联想。而微分相关则可以估计激励单元中同时的，假定为因果的变化。 精品 三 微分Heb学习 模糊认知映射 自适应因果推理 Klopf的驱动增强模型 伴随变化作为统计协方差 脉冲编码微分Heb学习 精品 模糊认知映射 模糊认知映射（FCMS）是带有反馈的模糊正负号的有向图。有向边 从因果概念 到概念 表示 对 因果程度的测度。边 取值于模糊因果空间 ， 表示没有因果关系。 表示因果增加， 随 的增加而增加，随其减小而减小。 表示因果减小，即 随 的增加而减小。 精品 模糊认知映射 图4.2 外国投资 矿业 雇用黑人 白人种族 激进主义 工作保 留法律 黑人种 族联合 种族隔离 政府管 理力度 民族政党 支持者 精品 模糊认知映射 FCM的因果连接矩阵： 精品 模糊认知映射 上图的TAM记忆过程： 从外国投资政策开始，即 这样： 箭头后为阈值化操作，1/2作为门限值。 精品 模糊认知映射 零因果输入产生零因果输出。由于此处测试外国投资，因此 保持为1。下一步 下一步 因此 是FCM动态系统的固定点。 精品 自适应因果推理 当我们观察两个变量之间的伴随变化或滞后变化，要推出其间的因果关系，若A改变时B也改变，则猜想它们之间有因果关系，相关改变越大，因果关系越准确。 时间导数测值变化，导数的乘积将这些变化关联起来。这就导出了简单的微分Heb学习规则 精品 第四章 突触动力学 非监督学习 复习 1 Heb学习法则 简化后可得 精品 第四章 突触动力学 非监督学习 复习 2 竞争学习法则