办公资料人工神经网络数学建模培训.pptxVIP

办公资料人工神经网络数学建模培训第1页/共39页 2023/6/242人 工 神 经 网 络　1. 人工神经网络基本概念　2. 单层前向神经网络------线性网络　3.单层前向神经网络------阶跃网络　4. 多层前向神经网络 　5. MATLAB的图像交互界面 第2页/共39页 2023/6/243人工神经网络基本概念1．1 生物神经元及生物神经网络 神经元是大脑处理信息的基本单元，以细胞体为主体，由许多向周围延伸的不规则树枝状纤维构成的神经细胞，其形状很像一棵枯树的枝干。它主要由细胞体、树突、轴突和突触(Synapse，又称神经键)组成。 人脑大约由1012个神经元组成，神经元互相连接成神经网络.第3页/共39页 2023/6/244人工神经网络基本概念图1 生物神经元示意图 第4页/共39页 2023/6/245人工神经网络基本概念 从神经元各组成部分的功能来看，信息的处理与传递主要发生在突触附近。当神经元细胞体通过轴突传到突触前膜的脉冲幅度达到一定强度，即超过其阈值电位后，突触前膜将向突触间隙释放神经传递的化学物质。突触有两种：兴奋性突触和抑制性突触。前者产生正突触后电位，后者产生负突触后电位。第5页/共39页 2023/6/246人工神经网络基本概念1．2 人工神经元模型 生物神经元是一个多输入、单输出单元。常用的人工神经元模型可用图2模拟。 图2 人工神经元模型 第6页/共39页 2023/6/247人工神经网络基本概念响应函数（激活函数）的基本作用：1、控制输入对输出的激活作用；2、对输入、输出进行函数转换；3、将可能无限域的输入变换成指定的有限范围内的输出。 第7页/共39页 2023/6/248人工神经网络基本概念 常见的响应函数有以下几种类型： 1、阶跃函数 2、线性函数 3、非线性：Sigmoid函数 第8页/共39页 2023/6/249人工神经网络基本概念图3 常见响应函数 第9页/共39页 2023/6/2410人工神经网络基本概念1.3 建立和应用神经网络的步骤 （1）网络结构的确定 包含网络的拓扑结构和每个神经元相应函数的选取；（2）权值和阈值的确定 通过学习得到，为有指导的学习，也就是利用已知的一组正确的输入、输出数据，调整权和阈值使得网络输出与理想输出偏差尽量小；（3）工作阶段 用带有确定权重和阈值的神经网络解决实际问题的过程，也叫模拟（simulate）。 第10页/共39页 2023/6/2411单层前向线性网络2.1 单层前向神经网络 网络中的神经元是分层排列的。 单层： 只有输入和输出层。 前向： 信息由上一层的神经元向下一层神经元传递，即：上层的输出就是下层的输入；同层神经元之间没有信息传递。第11页/共39页 2023/6/2412单层前向线性网络第12页/共39页 2023/6/2413单层前向线性网络第13页/共39页 2023/6/2414单层前向线性网络……x1x2…xmy1y2ynwnmw11wn1wn2w1m输出层输入层 图3 单层前向神经网络 第14页/共39页 2023/6/2415单层前向线性网络第15页/共39页 2023/6/2416单层前向线性网络2.2 线性网络 采用线性相应函数，得第16页/共39页 2023/6/2417单层前向线性网络 理论上这是一个很好的结果。另一种，学习过程面对自适应性网络，采用的学习规则为：误差修正规则第17页/共39页 2023/6/2418单层前向线性网络第18页/共39页 2023/6/2419单层前向线性网络体会：最小二乘规则与误差修正规则的区别。感受：牛顿迭代与误差修正在梯度下降方面的异同。第19页/共39页 2023/6/2420单层前向线性网络2.3 线性网络的MATLAB实现 MATLAB产生线性网络的命令： net=newlin(A,n); 其中，A为m×2的矩阵，m为输入变量的个数，每一行分别表示对应输入变量的下、上界；n为输出变量的个数。 最小二乘规则的学习命令： net=newlind(P,T); 其中，P为学习的输入数据矩阵,T为学习的理想输出矩阵。 第20页/共39页 2023/6/2421单层前向线性网络计算网络输出的命令： result=sim(net,P)P为工作阶段需要计算的输入矩阵。误差修正规则的学习命令： net=train(net,P,T)利用误差修正，对P,T一对对的学习，每学习一遍称为一轮（epoch）.默认学习效率为1.在用该命令前，需给定平均（误差）方差上限和计算的最大轮数。第21页/共39页 2023/6/2422单层前向线性网络例1：例2：例3：第22页/共39页 2023/6/2423人 工 神