第一讲—神经网络基本概念.pptVIP

神经网络的基本概念 感知器 BP网络 RBF网络 Hopfield网络 1．前馈型网络 前馈网络具有分层的结构，通常包括输入结点、隐含层（也称中间层，可以有若干层）和输出层。输入节点没有计算功能，隐层单元和输出单元具有计算功能，是计算单元。每一层的神经元只接受上一层神经元的输入，网络中没有反馈。 前馈型网络的特点 前馈网络主要是函数映射，可用于模式识别和函数逼近。 1．前馈型网络 前馈型网络的应用 典型前馈型网络 感知器、BP网络、RBF网络 2．反馈型网络（Feedback） 反馈型网络的结构 反馈神经网络又称递归网络，或回归网络。反馈神经网络中所有节点都是计算单元，同时也可接受输入，并向外界输出，可画成一个无向图，如图 (a)所示，其中每个连接弧都是双向的，也可画成图 (b)的形式。若总单元数为n，则每一个节点有n-l个输入和一个输出。 2．反馈型网络 反馈型网络的特点 在反馈网络中(Feedback NNs)，输入信号决定反馈系统的初始状态，然后系统经过一系列状态转移后，逐渐收敛于平衡状态。这样的平衡状态就是反馈网络经计算后输出的结果，由此可见，稳定性是反馈网络中最重要的问题之一。 2．反馈型网络 如果能找到网络的Lyapunov函数，则能保证网络从任意的初始状态都能收敛到局部最小点。 反馈型网络的特