机器学习算法之神经网络.pptVIP

机器学习算法 ——人工神经网络（Artificial Neural Netwroks） 报告人：曹杰（湖大团队） 神经网络基本概念 1 神经网络的学习方法 2 BP神经网络 3 BP神经网络实例（Python） 4 目录 生物神经元的模型 神经网络的基本概念 神经元的数学模型 神经元的n个输入 接收的信息 (其它神经元的输出) 作比较 的阈值 互连强度/连接权值 激活函数 输出 连接的权值：两个互连的神经元之间相互作用的强弱。 神经元模型：神经元相当于一个多元输入一元输出的信息处理单元 神经元的数学模型 上面的神经元模型可以用一个数学表达式进行抽象与概括，从而得到神经元的数学模型： 神经元的网络输入记为net，即 有时为了方便，设 则有： 其中， 激活函数 1.阈值型激活函数 2.S型激活函数 3.分段线性激活函数 数学神经元例子 神经网络学习方法 学习：神经网络的最重要特征之一。 实质：同一个训练集的样本输入输出模式反复作用于网络，网络按照一定的训练规则自动调节神经元之间的连接强度或拓扑结构，使实际输出满足期望的要求或者趋于稳定。 学习规则（典型的权值修正方法）：δ误差修正