人工神经网络课件1解析.pptVIP

2021/2/7 * 网络模型结构－单层前馈网 源节点输入层 神经元输出层 一个严格无圈的和前馈的网络。 “单层”是指神经元输出层。 源节点输入层不计算在内。 2021/2/7 * 网络模型结构－多层前馈网 源节点 输入层 隐藏神 经元层 神经元输出层 一个完全连接网络。 理论上隐层可以有N个。 隐层的存在可以使网络具有很强的能力（如泛函逼近能力） 隐层神经元的学习算法是一个难点。 应用十分广泛。（如BP网） 2021/2/7 * 网络模型结构－递归网络 无隐层、无自反馈递归网络 延迟 递归网络也可以是有隐层的。 左图为清晰起见没有完全连接,实际上是否完全连接取决于设计者的目的。 由于反馈环的存在,这种网络可以实现非线性动态行为。 2021/2/7 * 让数据说话——神经网络的知识表达 ANN的知识表达是内嵌的。 内嵌的结果是神经元之间的连接发生变化。 整体性:单独某个连接的变化也许并无意义。 规则1:类似的输入通常产生类似的表示 规则2:不同类输入给出差别很大的表示 规则3:如果某特征很重要,则表达涉及大量的神经元 规则4:先验信息和不变性可事先附加于网络。 2021/2/7 * 如何让外部刺激产生知识? 神经元之间连接权重的调整是表达知识的最基本方法。 如何按照前述四个规则调整权重成为关键问题。 2021/2/7 * 学习算法 学习算法的种类: 误差修正学习 基于记忆的学习 Hebb学习 竞争学习 Boltzmann学习 2021/2/7 * 学习算法的定义 学习:因经验而发生的持久的行为改变。 神经网络学习:学习是一个过程,通过该过程神经网络的自由参数在其嵌入的环境的激励过程中得到调节。学习的类型由参数改变的方式决定。（MendalMcClaren,1970) 学习算法:解决学习问题的一个恰当定义的规则集合。 学习算法不唯一。 2021/2/7 * 人工神经网络及其经济管理应用 The Application of ANN to Economics Management 2021/2/7 * 第一章 导 论 什么是人工神经网络（Artificial Neural Network） 人脑结构对ANN的启示 ANN 的特点 人工神经网络的发展历史 ANN在经济管理领域的应用 2021/2/7 * 什么是Artificial Neural Network Neural networks are composed of simple elements operating in parallel. These elements are inspired by biological nervous systems. As in nature, the network function is determined largely by the connections between elements. We can train a neural network to perform a particular function by adjusting the values of the connections (weights) between elements. 模拟人脑,人工智能（AI）的基础之一。 2021/2/7 * 人脑结构对ANN的启示 How human brain works? Stimuli Preceptor Effecter 2021/2/7 * 人脑结构 人脑是由大量神经细胞组成的复杂网络。 2021/2/7 * 神经细胞与神经传导 2021/2/7 * 人脑功能的基础—神经网络 2021/2/7 * 人脑功能 2021/2/7 * 对人脑进行模拟的两条道路 黑箱方法－功能模拟－电子计算机 白箱方法－结构模拟－智能机器（ANN） 电子计算机（或称为Von Neumann 计算机）以逻辑代数为基本原理,模拟人的逻辑思维。 人工神经网络试图模拟人脑的结构从而得到类似于人脑的功能。 2021/2/7 * 人脑与电脑 共同点:获取、传递、存储、处理、输出信息（知识）。 不同点: 电脑:程序性、串行工作方式、储用分离、易损（Robust）、精确性。 人脑:单元结构简单、整体结构复杂;并行处理;具有自主学习能力（环境可塑性）;联想功能;遗忘功能;复杂决策;高冗余、自我恢复;非线性特征明显。 2021/2/7 * ANN 的特点 ANN是AI（Artificial Intelligence）的一个分支。 致力于从结构上模仿人脑的功能。 分为软件模仿和硬件模仿。 1、采用大规模分布式结构,通过学习具有非线性输入输出影射能力。 2、通过学习存储知识,具有适应性、容错性及泛化能力（举一反三）。 2021