第四章自适应网络.ppt

第四章 自适应线性神经元;学习一门学问，最重要的是把握主干内容，迅速建立对于这门学问的整体概念，不必一开始就考虑所有的细枝末节和特殊情况，自乱阵脚。 ;理解是人用有限的资源去把握无限;;自适应线性元件(Adaline);;神经网络的信息分布式存储于连接权系数中, 使网络具有很高的容错性和鲁棒性。 神经网络的信息处理任务主要包括:(1) 数学上的映射逼近。开发一种合适的函数f :A →B,以自组织的方式响应以下的样本集:( x1 , y1) , ( x2 , y2) , , ( xl , yl) (这里yi = f ( xi) 或yi =f ( xi) + n0 , (其中n0 为噪声) )。识别和分类等计算都可以抽象成这样的一种近似的数学映射。(2) 联想记忆。是指实现模式完善,恢复相关模式的相互回忆等。;非线性校正在非电量电测技术中广泛使用着各类传感器, 他们用来将非电量转化为电量。大多数传感器的输出特性是非线性的, 这是由于其转换原理为非线性的.为了使传感器在整个测量范围内的灵敏度是一个常数,即传感器的输入与输出特性是一条直线, 在传统的模拟指示仪表中常采用三种方法: 1) 缩小测量范围,取近似值; 2) 采用非线性指示刻度; 3) 加入非线性校正环节。;假设传感器具有非线性输入与输出特性y = f( x) , 为了实现非线性误差的校正，可使传感器的输出y 通过校正用