人工神经网络(讲稿).pptVIP

三. 具体实例 齿轮点蚀故障的小波神经网络识别 * * * 信号分析与信息处理 人工神经网络 Artificial Neural Network 神经网络－模式识别 引例：水果分类的问题（识别不同的水果） 说明：1. 对水果的分类，是一个模式的识别问题。而对机械运行状态的判 断，也是一个模式识别，因此可以使用神经网络进行判断。 　　　2. 为神经网络提供数值参量（形状、大小、成分等），就可以得 　　　到对应的种类属性（苹果、桔子）。因此，使用各种信号数据参 　　　数作为输入，也可以获得机械运行状态的属性参量。 　　　3. 权值相量、判断标准、误差输入可以不断的修正。 一. 概论 人工神经网络的定义和研究发展的根源 神经细胞与生物神经网络 人工神经网络的特点 人工神经网络的发展简史 （1）定义：人工神经网络是以大量的具有相同结构的简单单元的 连接，来模拟人类大脑的结构和思维方式的一种可实 现的物理系统，可通过计算机进行模拟实现。 1.1 人工神经网络的定义和研究发展根源 1.1 人工神经网络的定义和研究发展根源 （2）研究和发展的根源 (1) 现代计算机在解决信息初级加工如视觉、听觉、嗅觉的感知识别上十分迟钝，且研究进展缓慢。但人脑在这些方面远远超过了计算机。因需要向大脑学习； (2) 现代计算机中每个电子元件的计算速度已达纳秒(ns)级，而人脑中神经细胞的反映时间只是毫秒(ms)级，为何大脑处理信息的功能远高于计算机，这表现出大脑结构上和信息处理方式上的优越性。 举例：2-3岁的小孩可以从人群中认出父母、3-4岁能够顺利地穿过十字路口，但最先进的机器人也难以完成这项任务。 因而模仿人类的思维方式可以提高机器人的能力 1.2 神经细胞与生物神经网络 1. 神经网络 组织形式 大脑中大约有100亿个神经元，它们相互连接，形成一个复杂庞大的网络系统。因此大脑的结构是一个神经（元）网络。 根据估计，每个神经元大约与上千个神经元相互连接。 大脑所形成的神经网络是由一些小的网络连接而成。根据估计，所有神经元被安排到约1000个主要的功能模块，每个功能模块大约有上百个神经网络，每个网络约有10万个神经元。 信息的传递 从一个神经元到另一个神经元； 从一个网络到另一个网络； 从一个模块到另一个模块。 1.2 神经细胞与生物神经网络 2. 生物神经元（细胞）结构模型 1.2 神经细胞与生物神经网络 3. 神经元的电脉冲 (1) 电脉冲: 神经元在被激活后产生电脉冲，由轴突传出。 相对幅值约为100mv，宽度约为1ms，称为神经元的动作电位。 (2)电脉冲的传递: (3) 神经元的特性: (1) 突触的特性 兴奋性突触：后突触膜电位随递质与受体的结合数量的增加而增加。 抑制性突触：后突触膜电位随递质与受体的结合数量的增加而减小。 (2) 时空整和性 空间累加：将来自不同树突的兴奋性和抑制性信号进行累加。 时间累加：由于输入信号对神经元膜电位的影响要持续一段时间 （几ms），因此，从时间上进行着累加。 1.2 神经细胞与生物神经网络 4.神经网络信息处理的特点 分布式存储与容错性： ：信息在神经网络内的储存是按内容分布于大量的神经细胞中，而且每个神经细胞实际上储存着多种不同信息的部分内容。局部的或部分神经元出现差错，不会影响全局结果。网络能够自动纠正错误。 并行性性：在神经网络中，巨量的神经元同时进行大规模的并行处理。尽管神经元的响应速度很慢，每次约1ms左右，比一般电子元件慢几个数量级，却可以在几毫秒内对一个复杂的过程作出判断和决策。计算机却无能为力。 信息的处理与存储的合二而一性：每个神经元都兼有处理与存储的功能，神经元之间连接强度的变化，反映了对信息的记忆，同时又与神经元对激励的响应一起反映了对信息的处理。 自学习和自组织性：对外界事物的反映，通过神经元之间的连接强度不断增加，进行自学习，自组织。 层次性和系统性：神经生理学的研究表明，大脑对信息的处理是分层次进行加工处理的。从初级皮层— 颅顶皮层—脑前额叶的处理过程。 1.3 人工神经网络的特点和优点 特点： 1. 人工神经网络是采用物理上可实现的器件或计算机来模拟大