人工神经网络复习题.docVIP

人工神经网络：在对人脑神经网络基本认识的基础上，用数理方法从信息处理的角度对人脑神经网络进行抽象，并建立某种简化模型，就称为人工神经网络。 自适应：自适应性是指一个系统能改变自身的性能以适应环境变化的能力。 自学习：当外界环境发生变化时，经过一段时间的训练或感知，神经网络能通过调整网络结构参数，使得对给定输入能产生期望的输出。 自组织：神经系统能在外部刺激下按一定规则调整神经元之间的突触连接，逐渐构建起神经网络，这一构建过程称为网络的自组织。 泛化能力：BP网络训练后将所提取的样本对中的非线性映射关系存储在权值矩阵中，在其后的工作阶段，当向网络输入训练时未曾见过的非样本数据时，网络也能完成由输入空间向输出空间的正确映射。 模式：模式是对某些感兴趣的客体的定量描述或结构描述，模式类是具有某些共同特征的模式的集合 分类：分类是在类别知识等导师信号的指导下，将待识别的输入模式分配到各自的模式类中去。 聚类：无导师指导的分类称为聚类，聚类的目的是将相似的模式样本划归一类，而将不相似的分离开，其结果实现了模式样本的类内相似性和类间分离性。 死节点：在训练过程中，某个节点从未获胜过且远离其他获胜节点，因此它们的权向量从未得到过调整。 网络吸引子：若网络的状态,则成称X为网络的吸引子。 人工神经网络发展阶段及标志：可分为四个时期：启蒙时期开始于1890年W.James关于人脑结构与功能的研究，结