常见神经网络模型ppt演示课件.pptVIP

智能控制技术 中国计量学院自动化教研室 谢 敏 智能控制技术 第4章 人工神经元网络模型 4.1 引言 4.2 常见神经网络模型 4.2 常见神经网络模型 一、感知器 感知器（Perceptron）模型由美国心理学家Rosenblatt于1958年提出，其简化模型如下图： 4.2 常见神经网络模型 一、感知器 4.2 常见神经网络模型 感知器的数学模型： 其中：f[.]是阶跃函数或符号函数，并且有 θ是阈值。 感知器的最大作用就是可以对输入的样本分类，故它可作分类器，感知器对输入信号的分类如下： 即：当感知器的输出为1时，输入样本称为A类；输出为0时，输入样本称为B类。 感知器的分类边界是： 4.2 常见神经网络模型 一、感知器 在输入样本只有两个分量x1，x2时，则有分类边界条件： 即 ???? w1x1+w2x2-θ=0? 4.2 常见神经网络模型 一、感知器 感知器的学习算法： 感知器的学习算法目的在于找寻恰当的权系数w＝(w1，w2，…，wn)，使系统对一个特定的样本x＝(x1，x2，…，xn)能产生期望输出y。当x分类为A类时，期望值y＝1；X为B类时，y=0。 4.2 常见神经网络模型 一、感知器 4.2 常见神经网络模型 一、感知器 感知器的学习算法： 1、初始化：置权系数w为最小的随机数； 2、训练：输入一样本x＝(x1，x2，…，