第2节神经网络基础知识.pptVIP

2.4神经网络学习 无导师学习(无监督学习) 无导师学习也称为无监督学习，学习过程中，需要不断给网络提供动态输入信息，网络能根据特有的内部结构和学习规则，在输入信息流中发现任何可能存在的模式和规律，同时能根据网络的功能和输入信息调整权值，这个过程称为网络的自组织，其结果是使网络能对属于同一类的模式进行自动分类。在这种学习模式中，网络的权值调整不取决于外来教师信号的影响，可以认为网络的学习评价标准隐含于网络的内部。 学习的过程（权值调整的一般情况 ） 神经网络学习 2.4神经网络学习 第二节小结 重点介绍了生物神经元的结构及其信息处理机制、人工神经元数理模型、常见的网络拓扑结构以及和学习规则。其中，神经元的数学模型、神经网络的连接方式以及神经网络的学习方式是决定神经网络信息处理性能的三大要素。 (1)生物神经元的信息处理 (2)人工神经元模型 (3)人工神经网络模型 (4)神经网络学习 上述内容可用一个数学表达式进行抽象与概括。令xi(t)表示t时刻神经元j接收的来自神经元i的信息输入，oj(t)表示t时刻神经元j的信息输出，则神经元j的状态可表达为2.1式。其中： τij——输入输出间的突触时延； Tj——神经元j的阈值； wij——神经元i到j的突触连接系数或称权重值； f ()——神经元转移函数。 为简单起见，将2.1上式中的突触时延取