我的人工神经网络3多级神经网络结构.pptxVIP

x1 w1∑fx2 w2?net=XWo=f（net）…xn wn上次课内容回顾激活函数与M-P模型 线性函数、非线性斜面函数、阈值函数 S形函数 M-P模型第3章 多层人工神经网络结构 主要内容人工神经网络的拓扑特性单级网简单单级网单级横向反馈网多级网介绍求异或（XOR）操作是计算机中常用到的一种计算：0 XOR 0 = 00 XOR 1 = 11 XOR 0 = 11 XOR 1 = 0可以发现用原来的方法学习后的结果不能让我们满意，原因是单层神经网络学习能力有限，需要使用更加复杂的网络来学习。该多层神经网络在单层神经网络的基础上增加了一层“隐藏层”（Hidden） ANi wij ANj 人工神经网络的拓扑特性 连接的拓扑表示 联接模式 用正号（“+”，可省略）表示传送来的信号起刺激作用，它用于增加神经元的活跃度；用负号（“-”）表示传送来的信号起抑制作用，它用于降低神经元的活跃度。层次（又称为“级”）的划分，导致了神经元之间的三种不同的互连模式： 联接模式 1、 层（级）内联接层内联接又叫做区域内（Intra-field）联接或侧联接（Lateral）。用来加强和完成层内神经元之间的竞争2、 循环联接反馈信号。 联接模式3、层（级）间联接 层间（Inter-field）联接指不同层中的神经元之间的联接。这种联接用来实现层间的信号传递前馈信号反馈信号 网络的分层结构 单级