神经网络模型.pptxVIP

模拟实际神经络的数学方法神经网络模型 01介绍解剖机理结构信息处理目录030204 05数学模型发展历史基本特征应用目录070608 基本信息模拟人类实际神经络的数学方法问世以来，人们已慢慢习惯了把这种人工神经络直接称为神经络。神经络在系统辨识、模式识别、智能控制等领域有着广泛而吸引人的前景，特别在智能控制中，人们对神经络的自学习功能尤其感兴趣，并且把神经络这一重要特点看作是解决自动控制中控制器适应能力这个难题的关键钥匙之一。 介绍 神经络的学习机理和机构学习是神经络一种最重要也最令人注目的特点。在神经络的发展进程中,学习算法的研究有着十分重要的地位。目前,人们所提出的神经络模型都是和学习算法相应的。所以,有时人们并不去祈求对模型和算法进行严格的定义或区分。有的模型可以有多种算法。而有的算法可能可用于多种模型。在神经络中,对外部环境提供的模式样本进行学习训练,并能存储这种模式,则称为感知器;对外部环境有适应能力,能自动提取外部环境变化特征,则称为认知器。神经络在学习中,一般分为有教师和无教师学习两种。感知器采用有教师信号进行学习,而认知器则采用无教师信号学习的。在主要神经络如Bp络,Hopfield络,ART络和Kohonen络中;Bp络和Hopfield络是需要教师信号才能进行学习的;而ART络和Khonone络则无需教师信号就可以学习49。所谓教师信号,就是在神经络学习中由外部提供的模式样本信号。 ? 机理结构 机理结构神经络的基本组成单元是神经元，在数学上的神经元模型是和在生物学上的神经细胞对应的。或者说，人工神经络理论是用神经元这种抽象的数学模型来描述客观世界的生物细胞的。很明显，生物的神经细胞是神经络理论诞生和形成的物质基础和源泉。这样，神经元的数学描述就必须以生物神经细胞的客观行为特性为依据。因此，了解生物神经细胞的行为特性就是一件十分重要而必须的事了。神经络的拓朴结构也是以生物学解剖中神经细胞互连的方式为依据的。对神经细胞相互作用情况的揭露也是十分重要的。神经元是神经络基本元素。只有了解神经元才能认识神经络的本质。在这一节介绍神经元的生物学解剖，信息的处理与传递方式，工作功能以及其数学模型。 解剖 细胞体轴突树突解剖 细胞体细胞体是由很多分子形成的综合体，内部含有一个细胞核、核糖体、原生质状结构等，它是神经元活动的能量供应地，在这里进行新陈代谢等各种生化过程。神经元也即是整个细胞，整个细胞的最外层称为细胞膜。 树突细胞体的伸延部分产生的分枝称为树突，树突是接受从其它神经元传入的信息的入口。 轴突细胞体突起的最长的外伸管状纤维称为轴突。轴突最长可达1米以上。轴突是把神经元兴奋的信息传出到其它神经元的出口。突触是一个神经元与另一个神经元之间相并进行信息传送的结构。如图1—2所示。它由突触前成分，突触间隙和突触后成分组成。突触前成分是一·个神经元的轴突末梢。突触间隙是突触前成分与后成分之间的距离空间，间隙一般为200—300Aring;。突触后成分可以是细胞体，树突或轴突。突触的存在说明：两个神经元的细胞质并不直接连通，两者彼此是通过突触这种结构接口的。有时．也把突触看作是神经元之间的连接。目前，根据神经生理学研究，已经发现神经元及其间的突触起码有4种不同行为。神经元4种生物行为有：(1)能处于抑制或兴奋状态；(2)能产生爆发和平台两种情况；(3)能产生抑制后的反冲；(4)具有适应性。 信息处理 兴奋与抑制信息传递特性信息综合特性D/A、A/D特性信息处理 兴奋与抑制人工神经络对神经元的兴奋与抑制进行模拟，故而首先应了解神经元的兴奋与抑制状态。一个神经元的兴奋和抑制两种状态是由细胞膜内外之间不同的电位差来表征的。在抑制状态，细胞膜内外之间有内负外正的电位差，这个电位差大约在-50— -100mv之间。在兴奋状态，则产生内正外负的相反电位差，这时表现为约60—100mv的电脉冲。细胞膜内外的电位差是由膜内外的离子浓度不同导致的。细胞的兴奋电脉冲宽度一般大约为1ms。神经元的兴奋过程电位变化如图1—3所示。图1-3.神经元的兴奋过程电位变化 信息传递特性对神经细胞的研究结果表明：神经元的电脉冲几乎可以不衰减地沿着轴突传送到其它神经元去。由神经元传出的电脉冲信号通过轴突，首先到达轴突末梢，这时则使其中的囊泡产生变化从而释放神经递质，这种神经递质通过突触的间隙而进入到另一个神经元的树突中。树突上的受体能够接受神经递质从而去改变膜向离子的通透性．使膜外内离子浓度差产生变化；进而使电位产生变化。显然，信息就从一个神经元传送到另一个神经元中。当神经元接受来自其它神经元的信息时，膜电位在开始时是按时间连续渐渐变化的。当膜电位变化经超出一个定值时，才产生突变上升的脉冲，这个脉冲接着沿轴突进行传递。神经元这种膜电位高达一定阀值才产生脉冲传