专题二：神经网络.pptVIP

人工神经网络建模专题 什么是神经网络模型？ 定义一：神经网络，有时也称作多层感知器（MLPs），本质上是人脑处理信息方式的简化模型。它通过模拟大量相互连接的简单处理单元工作，这些处理单元好像神经元的抽象化版本。 定义二：神经网络是指用大量的简单计算单元（即神经元）构成的非线性系统，它在一定程度上模仿了人脑神经系统的信息处理、存储及检索功能。 定义三：一个神经网络是一个由简单处理元构成的规模宏大的并行分布式处理器。天然具有存储知识和使之可用的特性。神经网络在两个方面与人脑相似： 1.神经网络获得的知识是从外界环境中学习得到的。 2.互连神经元的连接强度，即突触权值，用于储存获取的知识。 多层感知器 如果在输入和输出层间加上一层或多层的神经元(隐层神经元)，就可构成多层前向网络，这里称为多层感知器。  这里需指出的是：多层感知器只允许调节一层的连接权。这是因为按感知器的概念，无法给出一个有效的多层感知器学习算法。 上述三层感知器中，有两层连接权，输入层与隐层单元间的权值是随机设置的固定值，不被调节；输出层与隐层间的连接权是可调节的。 1.2激活（传递）函数的取法 1.3、网络结构以及工作方式 从连接方式看NN主要有两种网络拓扑