神经网络原理与应用.pptVIP

神经网络原理与应用 Artificial Neural Networks and Applications 孙光民教授 北京工业大学电子工程系 Tel: E-mail: gmsun@bjut.edu.cn 2)从输出层到输入层有反馈的前向网络： 如：ART网络（自适应共振理论网络） 目前日本已做出芯片，运算速度达到200-300亿次/秒。而美国水平则更高，达到2000亿次/秒。我国也有人在致力于NN计算机的研究，并已取得阶段性成果。 不同网络的学习规则有所不同，学习规则即为权值调整的一种算法，有的网络学习或权值调整是在网络信息处理过程中自发地完成的，而有的网络则需要从例子中进行学习，常用的学习规则有如下几种： * 神经网络与模式识别研究室 * 1)相关规则：仅根据连接间的激活水平改变权值，比如Hebb规则为： 与条件反射学说相一致，即外界激励越强，神经元越兴奋，连接权值越增强。 * 神经网络与模式识别研究室 * 2)纠错规则：依赖于输出节点的外部反馈信息改变权值，相等于梯度下降法，通过改变权值不断纠正错误，从而达到最终所期望的输出。所以需要有一个指导信号或参考信号，这种规则又称为有导师监督学习规则。 * 神经网络与模式识别研究室 * 4)无导师监督学习规则：这种规则是网络通过向外界客观事物学习，自发地完成权值修