神经网络读书笔记.docxVIP

神经网络部分知识点总结 一、神经网络的基础 1.1神经网络概念 神经网络是由简单处理单元构成的大规模并行分布式处理器，天然具有存储经验知识和使之可用的特性。神经网络在这两方面与大脑相似： 神经网络是通过学习过程从外界环境中获取知识的。 互连神经元的连接强度，即突触权值，用于存储获取的知识。 1.2神经网络性质和能力 神经网络具有以下有用的性质和能力： 1.非线性：人工神经网络可以是线性或者非线性的。 2.输入输出映射：称之为有教师学习(learning with a teacher)或监督学习(supervised learning)的关于学习的流行方法。它使用带标号的的训练样例(training example)或任务样例(task example)对神经网络的突触权值进行修改。 3.自适应性：神经网络具有调整自身突触权值以适应外界环境变化的固有能力。 4.证据响应(evidential response)：在模式分类问题中，神经网络可以设计成不仅能够提供选择哪一个特定模式的信息，还提供关于决策的置信度信息。后者可以用来拒判那些可能出现的过于模糊的模式，从而进一步改善网络的分类性能。 5.上下文信息(contextual information)：神经网络的特定结构和激发状态代表知识。网络中每一个神经元都受到所有其他神经元全局活动的潜在影响。 6.容错性：一个以硬件形式实现的神经