ANN讲义02神经网络基础.pptVIP

第二章 人工神经网络基础 主要内容： BN与AN； 拓扑结构； 存储； 训练 重点：AN；拓扑结构；训练 难点：训练 神经网络是模拟人脑信息处理的机制与特性，并由大量的处理单元（神经元）互相连接而成的网络。是对生物神经网络进行某种抽象、简化和模拟。 NN的信息处理：由神经元之间的相互作用来实现。 NN的知识与信息的存贮：表现为神经元之间互连分布式的物理联系。 NN的学习和识别：决定于各神经元连接权系数的动态化过程。 2.1 生物神经网络 1、构成 3、基本特征 1）神经元及其联接； 2）神经元之间的联接强度决定信号传递的强弱； 3）神经元之间的联接强度是可以随训练改变的； 4）信号可以是起刺激作用的，也可以是起抑制作用的； 5）一个神经元接受的信号的累积效果决定该神经元的状态； 6) 每个神经元可以有一个“阈值”。 2.2 神经元的结构模型 神经元是构成神经网络的最基本单元（构件）。 人工神经元模型应该具有生物神经元的六个基本特性。 2.2.2 激活函数(Activation Function) 激活函数——执行对该神经元所获得的网络输入的变换，也可以称为激励函数、活化函数： o=f（net） 1、线性函数（Liner Function） 2、非线性斜面函数(Ramp Function) γ 3、阈值函数（Threshold Function）/阶跃函数 β