计算智能复习资料参照.pdfVIP

  1. 1、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。。
  2. 2、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
  3. 3、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)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、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
  6. 6、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。
  7. 7、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
计算智能晚自习资料 1、 给出人工神经元的形式化描述,画出示意图并说明各种符号的意义? 如图所示,设 u 为构成神经网络的某个神经元的内部状态, θ 为阈值, x 为输入信号, w 表示从 i i i ij 到 u 连接的权值。 s 表示外部输入信号(在某些情况下,它可以控制神经元 u ,使它保持在某一 ui j i i u x i 状态),上述假设可描述为: 1 x2 σi = Σxj w ij+si- θi … i y i ‥ … u =f (σ ) x n i i s i y =g (u )= h (σ ),h =gf i i i 神经元结构模型 符号意义: y i 输出 ui 状态 x 输入 w 连接权 j ij 2、 叙述人工神经网络处理信息的主要特点? (1)、以大规模模拟并行处理为主, 而现代数字计算机只是串行离散符号处理。 (2 )、具有很强 的鲁棒性和容错性,善于联想、概括、类化和推广,任何局部的损伤不会影响整体结果。 (3 )、 具有很强的自学能力,系统可以在学习过程中不断完善自己,具有创新特点,这不同于 AI 中的 专家系统, 后者只是专家经验的知识库, 并不能创新和发展。 (4 )、神经网络或者是非线性映射 或者是大规模自适应非线性动力学系统,具有集体运算的能力,这与本质上是线性系统的现代 数字计算机迥然不同。 (5)、神经网络不适于高精度的科学计算。

文档评论(0)

ll17770603473 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档