- 1、本文档共22页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
《人工智能:算法的视角》卷一草稿 第十一章 反馈神经网络
第十一章 反馈神经网络
如第九章所述,反馈神经网络 (feedback neural network ),或称循环神经网络 (recurrent
neural network, RNN ),是包含回路的神经网络,从某一神经元输出的信息,通过网络结构
上的信息回路,再回到该神经元的输入上。当输出回到输入后,会引起输入的变化,从而可
能导致输出变化,这样网络不会经过一次信息的传递就终止运算,而是存在信息的循环往复,
这是网络被称为反馈/循环神经网络的原因,以下简称反馈网络。在反馈网络中,网络所有
输出节点值的集合通常被称为网络状态,网络的变化即是状态的变化。
对于反馈网络,可以从两个视角来认识。第一种视角是稳定性。由于存在信息回路,因
此反馈网络不会像前馈网络那样,只经过一次计算即停止,而是要经过多次的循环往复。我
们希望经过足够的循环往复后,网络输出能不再改变,停在我们所希望的结果上。是否能达
到这样的效果,便是稳定性问题。可以围绕这个问题,来研究和设计循环网络。霍普费尔德
网络与玻尔兹曼机即是这样发展起来的。以下称这种类型的反馈网络为稳定型反馈网络。
第二种视角是时序性。网络可视为一个随时间变化的系统,前一时刻网络处在某一输出
状态下,到下一时刻则变成了另一输出状态,这样使得反馈网络具有时序特性,同时这种时
序特性还使我们可将反馈结构按时间展开成一种非反馈结构。图 11-1 显示了这种转换,其
中图 11-1(a)显示的是一种反馈结构,中间隐含层上两个神经元之间形成相应的回路。对于
其相邻两个时间点上的变化,可以展开成图 11-1(b)所示的结构。显然,就两个相邻时间点
上的网络状态序列的计算而言,图 11-1(a)与(b)两种结构是等效的。当然,反馈网络的动态
变化通常不止两次,而可能是很多次,这样展开以后,则变成了一种深度结构,说明反馈网
络与深度网络之间存在着联系。而反过来看,更说明用简单得多的反馈网络来表达等效的复
杂深度网络是可行的,从而是深度网络的一种可能的发展方向。此外,基于时序性来认识反
馈网络,也使其适合于处理与时序数据相关的应用。Jordan 网络、Elman 网络、双向网络、
长短时记忆网络等即是基于时序性发展起来的网络。以下称这种类型的反馈网络为时序型反
馈网络。
(a) (b)
图 11-1. 反馈网络按时序展开成非反馈结构: (a) 反馈网络结构例;(b) 将(a) 图结构转化为按
两次时序确定的非反馈结构.
不论是稳定型反馈网络还是时序型反馈网络,网络所有输出节点对应输出值的组合通常
被称为网络的当前状态,而所有可能状态的集合则构成了网络的状态空间。反馈网络的工作
过程正是从一个状态变到另一个状态,从而在网络状态空间中形成了一条特定的状态变化轨
迹,不同网络(结构或权值不同)将导致不同的变化轨迹。对于稳定型反馈网络来说,关心
1
《人工智能:算法的视角》卷一草稿 第十一章 反馈神经网络
的是单个状态,是最后所到达的状态 ,最后所达到的稳定状态被称为网络的吸引子
(attractor ),稳定型反馈网络也因此常被称为吸引子网络(attractor network )。对于时序型
反馈网络来说,关心的则是状态变化轨迹,是按时间展开的一组状态。另外需要指出的是,
反馈网络是依靠网络状态的变化来工作的,因此对于反馈网络来说,输入不是必须的,它可
以在没有输入的前提下,从网络的初始状态开始,迭代演变至最终状态。当然,网络也可以
在有输入的情况下工作,此时最终状态则与输入有关,不同的输入可能导致不同的最终状态
或状态变化轨迹。
下面首先介绍稳定型反馈网络:霍普费尔德网络与玻尔兹曼机,然后介绍时序型反馈网
络:Jordan 、Elman 、双向网络、长短时记忆网络。
11.1 霍普菲尔德网络
霍
您可能关注的文档
- 软件工程基础-4用户界面设计.pptx
- 软件工程基础-5结构化分析与设计技术.pptx
- 软件工程基础-10软件项目管理.pptx
- 人工智能8强化学习.pdf
- 人工智能9人工神经网络基础.pdf
- 人工智能课件 summary.ppt
- 人工智能3监督学习方法.pdf
- 人工智能4相似性度量.pdf
- 人工智能5聚类方法.pdf
- 人工智能10前馈神经网络.pdf
- 四川省德阳市罗江中学2025届高三考前热身化学试卷含解析.doc
- 山东省枣庄现代实验学校2025届高三下学期第五次调研考试化学试题含解析.doc
- 吉林省长春市十一高中等九校教育联盟2025届高三一诊考试生物试卷含解析.doc
- 2025届江苏省盐城市伍佑中学高考仿真模拟化学试卷含解析.doc
- 2025届广西贺州中学高考冲刺押题(最后一卷)生物试卷含解析.doc
- 安徽省池州市贵池区2025届高三第一次模拟考试生物试卷含解析.doc
- 宁夏银川一中2025届高三(最后冲刺)化学试卷含解析.doc
- 广东省广州市增城区四校联考2025届高考压轴卷化学试卷含解析.doc
- 2025届邯郸市第一中学高考生物必刷试卷含解析.doc
- 2025届安徽省安庆市石化第一中学高考仿真卷化学试卷含解析.doc
文档评论(0)