神经网络与matlab神经网络工具箱liu.ppt

2.2 人工神经元与神经网络 2.2.4 人工神经网络学习规则： 关键在于如何决定每一神经元的权值，常用的学习规则 有以下几种： (1)Hebb 规则 (2)Delta 规则 ( 最小均方差规则 ) (3) 反向传播学习方法 (4)Kohonen 学习规则 ( 用于无指导训练网络 ) (5)Grosberg 学习方法 2.2 人工神经元与神经网络 2.2.5 人工神经网络模型 ? 共 70 多种，具有代表性的有： （ 1 ）感知器（ Perceptron ） （ 2 ）多层前馈（ BP ）网络 （ 3 ） Hopfield 网络 ( 优化 ) （ 4 ） Boltzmann 机（在 BP 中加入噪声） （ 5 ）双向联想记忆网络（快速存储） 2.2 人工神经元与神经网络 2.2.6 人工神经网络的特点 （ 1 ）可处理非线性 （ 2 ）并行结构．对神经网络中的每一个神经元来说；其 运算都是同样的．这样的结构最便于计算机并行处理． （ 3 ）具有学习和记忆能力．一个神经网络可以通过训练 学习判别事物；学习某一种规律或规则 （ 4 ）对数据的可容性大．在神经网络中可以同时使用量 化数据和质量数据（如好、中、差、及格、不及格等）．