矿山信息资料文档.pptVIP

人工神经网络 第四章 人工神经网络 4.1 人工神经网络基础知识 4.2 人工神经网络的训练和学习 4.3 BP人工神经网络 第四章 人工神经网络 4.1 人工神经网络基础知识 4.1.1 人工神经网络的生物学基础 人工神经网络(Artificial Neural Networks，简记ANN)，是受人的大脑皮层神经网络的启发构造而成的。科学研究发现，人的大脑中大约含有1011个生物神经元，它们通过1015个联结形成的系统。 每个神经元包括三个主要部分：细胞体、树突和轴突。 细胞体是神经元的主体，主要由细胞膜、细胞质和细胞核组成，神经元中信息的产生和整合是由细胞体完成的。 树突是从细胞体向外延伸出的多支神经纤维；神经元靠树突接受来自其他神经元的传来的信号，相当于细胞体的输入端。 轴突是由细胞体伸出的最长的一条突起，称为轴突，用来传出细胞体产生的电化学信号，相当于细胞体的输出端。 神经元之间通过轴突末梢和树突进行通信连接，这种连接相当于神经元之间的输入/输出接口，称为突触。 髓鞘(myelin sheath)是一层脂肪组织，包裹在神经元的轴突外，具有绝缘作用并提高神经冲动的传导速度。 髓鞘功能退化的疾病会导致神经元向肌肉传导信息的速度减慢，并最终会失去对肌肉的控制。 髓鞘上有郎飞氏结，可使神经冲动跳跃传递，跳跃传导方式极大地加快了传导的速度。 每个神经元具有独立的接受、处理和传递信号的能力。每个神经细胞所产生和传递的基本信号是：兴奋或抑制。 从信息的传递过程来看，一个神经细胞的树突，在突触处从其他神经细胞接受信号，然后传递到细胞体。如果在一个时间间隔内，细胞体接受到的信号量足够大，该细胞体将被激活，而产生一个脉冲信号，这个信号将沿着该神经细胞的轴突传递出去，并通过它的突触传递给其他神经细胞。 多个神经元细胞通过突触的联接形成神经网络。 人们通过对人脑神经系统的初步认识，构造出人工神经元组成的人工神经网络，对人的智能进行近似仿真。 人工神经元的主要结构单元具有信号的输入、信号的综合处理和信号的输出三大功能。 输出信号的强度大小反映了该结构单元对相邻结构单元影响的强弱。 人工神经元之间通过相互联接形成的网络，称为人工神经网络。 神经元之间相互联接的方式称为联接模式，神经元相互之间的联接度由联接权值体现。 4.1.2 人工神经网络的基本结构与模型 1. 人工神经元模型 神经元是人工神经网络的基本处理单元，一般是由一个多输入/单输出的非线性元件组成。 神经元输出除了受输入信号的影响外，同时也受到神经元内部因素的影响。因此，在神经元的建模过程中，需要增加一个额外输入信号，称为偏差(bias)或阀值。一个具有r个输入分量的神经元，见图2。 输入分量pj表示来自前级第j个神经元轴突的信号。 权值分量wj表示来自前级第j个神经元突触的传递信号的效率。 激活函数f表示神经元受到输入分量p1，p2，…，pr的共同作用达到阀值时以何种方式输出。 输入分量pj与权值分量wj相乘，以 的形式形成激活函数f的输入。激活函数的另一个输入是神经元的偏差b。 神经元模型的输出可表示为： 　　　　　　　　　　　　　　　　　　 (4-1) 2. 激活函数 激活函数是一个神经元及网络的核心。一个神经元在获得网络输入后，它应该给出适当的输出。按照生物神经元的特性，每个神经元有一个阀值，当该神经元所获得的输入信号的累积效果超过阀值时，它就处于激发态；否则，处于抑制态。为了使系统有更宽的适用面，希望人工神经元有一个更一般的变换函数，用来执行对该神经元所获得的网络输入的变换，这就是激活函数。下面是几种常用的激活函数： (1) 阀值型激活函数 这种激活函数将任意的输入转化为0或1的输出，具有此函数的神经元的输入/输出关系为： (4-2) (2) 线性激活函数 线性激活函数的输出等于加权输入和加上偏差，此函数的输入/输出关系为： (4-3) 式中，K为放大系数，c为位移 ， (3) S型激活函数 S型激活函数常用：对数S型激活函数，双曲函数。 对数S型激活函数的输入/输出关系为： (4-4) 其中，a，b，d为常数。函数饱和值为0和1。 双曲函数的输入/输出关系为：