第七章 多层感知器神经网络 2013-2014.pptVIP

多层感知器神经网络 （MLP，Multilayer Perceptron） P87 - P103 多层感知器神经网络 采用不同的数学模型就得到不同的神经网络方法。 多层感知器（ MLP，Multilayer Perceptron ）模型是其中最有影响的模型。 MLP模型具有从训练数据中学习任意复杂的非线性映射能力，包括实现复杂的非线性分类判别函数。 从模式识别角度，多层感知器方法是一种“通用的非线性分类器设计方法” 。 关于人工神经网络 人工神经网络(artificial neural networks)，是一门学科，可以应用于模式识别领域。 在机器智能中，人们对机器智能的研究有两个主要出发点：一通过试图对人类（或其他高级动物）的自然智能建立一定的数学模型，以帮助理解智能活动的奥秘；二是利用各种数学手段，以计算机为工具建立具备一定智能的机器。 20世纪80年代以来，人们开始大量借用神经生理学的概念（至少是术语，也可能是机制）来研究机器智能，诞生学科——人工神经网络。 Outline 7.1 多层感知器网络--神经元与感知器 7.2 多层感知器网络--用多个感知器实现非线性分类 7.3 MLP的训练--采用反向传播算法的多层感知器 7.4 多层感知器网络用于模式识别 神经网络结构的选择 7.1 神经元与感知器 神经元模型（神经网络的基本组成单元） 7.1 神经元