第八章神经网络控制1.pdf

Experimental Course Of Automatic Control Theory **大学 **学院 ** University 实验八：神经网络控制算法实验 第一部分：神经网络基础知识介绍 主讲内容 1 人工神经元模型 2 神经网络算法的结构 3 神经网络算法的学习过程 一、人工神经元模型 神经元是人工神经网络的基本处 理单元，它一般是一个多输入/单输出 的非线性元件。 常见神经元模型 1、突触权值（连接权） 每一个突触都由其权值作为特征表征，各个神经元之间的 连接强度由突触权值来表示。与神经元相连的突触上，连接的 输入信号通过权值的加权进入神经元的求和单元。 2、求和单元 用于求取各输入信号的突触加权和，这个操作构成一个线 性组合器。 3、激活函数 激活函数起非线性映射的作用，并用来限制神经元输出振 输入输出函数的神经元模型 幅。激活函数也称限制函数，或传输函数。通常一个神经元输 出的正常范围在[0, 1]区间或[−1, 1]区间内。 有缘学习更多+谓ygd3076考证资料或关注桃报：奉献教育（店铺） 激活函数例子 1, (if x≥1/k) （1 ）线性函数 （2 ）饱和线性函数 f ( x ) = k * x, (if |x|1/k) ( ) f x x -1, (if x≤-1/k) f x o o ( ) 1 o x -1/k 1/k x -1 线性函数 饱和线性函数 （3 ）Sigmoid函数 1 ( ) 1−e−x ( ) f x f x −x −x 1+e 1+e f (x)