人工神经网络神经元模型和网络结构.pptVIP

神经元的层 Layer of Neurons 多个并行操作的神经元 输入向量p的每个元素均通过权值矩阵W和每个神经元相连。 神经元的层 Layer of Neurons p = p1 p2 pR 输入向量通过如下权矩阵W进入网络： 同样，具有S个神经元、R个输入的单层网络也能用简化的符号表示为如图所示的形式。 a 神经元的层 Layer of Neurons b 1 2 S = b b b p p 1 p 2 p R = a 1 a 2 a S = ... ... ... 多层神经元 Multilayer Network 层上标 现在考虑具有几层神经元的网络。每个变量都附加一个上标来表示其所处层次。图所示的三层网络就使用了这种标记方法。 该三层网络同样也可以用简化的符号表示 多层神经元 Multilayer Network 隐含层 输出层 输入层 简化符号 输入层 隐含层 如果某层的输出是网络的输出，那么称该层为输出层，而其他层叫隐含层。 延时器和积分器 延时器 延时 在讨论递归网络前，首先介绍一些简单的构造模块。第一种是延时模块。 延时器和积分器 积分器 积分器 另一种将用于Hopfield网络中的连续时间递归网络的构造模块是积分器。 递归网络（反馈网络） 初始条件 对称饱和线性层 递归网络 一个递归网络是一个带反馈的网络，其部分输出连接到