基于模式识别人工神经网络.pptVIP

前馈网络:反向传播算法 反向传播算法基本思想 (1) 设计一个代价函数作为迭代学习过程的目标函数。 (2) 利用代价函数对各参数的偏导数来确定各参数的修正量。 (3) 利用网络计算的分层结构导出计算的分层表示函数 。 前馈网络:反向传播算法 误差回传算法 误差回传算法是一种通过迭代求优化解的方法。 其根本目的是使输出与输入之间的实际映射关系与所期望的映射关系一致。 因此首先要确定一个衡量上述关系一致性的代价函数，然后找到各参数值的变化对代价函数所起的作用，从而沿使代价函数值递降的方向调整各个参数值。 前馈网络:反向传播算法 反向传播算法 经验风险最小化训练方法 1正向计算输出 2计算实际输出和期望输出之间的误差 3计算梯度 4计算修改量 5判断是否继续迭代还是结束 模式识别 * 树突和轴突。树突（dendrites）短而多分支。每一神经元一般只有一个轴突。树突和细胞表面传入细胞体的神经冲动传出到其他神经元或效应器。神经冲动有兴奋性的，也有抑制性的 * 基于神经网络的模式识别 主讲人： 人工神经网络的概念 人工神经网络是模拟人脑的神经系统,由大量的人工神经元按照一定的拓扑结构相互连结组成的一种信息处理系统。 模拟人的大脑的一个计算系统 由大量的人工神经元相互连结构成的网络 神经元之间的连结强度用权值表示 神经网络的学习通过更新权值实现 神经网络的记忆通过状