《人工神经网络：模型、算法及应用》- 第3章-多层前馈神经网络.pptx

人工神经网络： 模型、算法及应用本课程的主要内容第1章 绪论 第2章 感知机第3章 多层前馈神经网络 第4章 正则化理论 第5章 极限学习机模型及应用 第6章 形态神经网络 第7章 自组织映射 第8章 卷积神经网络模型及应用 第9章 生成对抗网络模型第10章 长短时记忆网络第11章 模糊神经网络参考书目何春梅，人工神经网络：模型、算法及应用，电子工业出版社。第3章 多层前馈神经网络3.1 引言3.2 多层前馈神经网络模型结构3.3 BP神经网络3.4 RBF神经网络3.5 泛化能力3.6 函数逼近3.7 反向传播算法的优点和缺点3.8 人脸识别应用3.9 小结3.1 引言前馈神经网络：作为人工智能领域较早提出的简单神经网络类型，它是神经网络中一种典型的分层结构，信息从输入层进入网络后逐层向前传递至输出层。根据前馈神经网络中神经元转移函数、隐含层数及权值调整规则的不同，可以形成具有各种功能特点的神经网络。接下来将介绍多层前馈神经网络模型结构，然后重点阐述两种常见的前馈神经网络模型：BP神经网络、RBF神经网络，其次分析多层前馈神经网络的泛化能力和逼近能力，最后引入一个应用实例，采用多层前馈神经网络实现人脸识别。第3章 多层前馈神经网络3.1 引言3.2 多层前馈神经网络模型结构3.3 BP神经网络3.4 RBF神经网络3.5 泛化能力3.6 函数逼近3.7 反向传播算法的优