4.2前向神经网络模型.pptVIP

第四章 人工神经元模型 4.2前向神经网络模型 前向神经网络是由一层或多层非线性处理单元组成。相邻层之间通过突触权系数连接起来。由于每一层的输出传播到下一层的输入，因此称此类网络结构为前向神经网络，有三种结构： 单一神经元 单层神经网络结构 多层神经网络结构 二、前向神经网络模型 单一神经元: 每一神经元的激励输出是由一组连续输入信号xi i=1,2,...,ni决定的，而这些输入信号代表着从另外神经元传递过来的神经脉冲的瞬间激励。设y代表神经元的连续输出状态值 ?0 为阈值， wj 决定第j个输入的突触权系数。 二、前向神经网络模型 单层神经网络结构:由ni个输入单元和no的输出单元组成。系统ni个输入变量用xj j=1,2,...,ni表示，no个输出变量用yi；i=1,2,...,no表示 i=1,2,...,no 二、前向神经网络模型 多层神经网络结构: 是在输入层和输出层之间嵌入一层或多层隐含层的网络结构。隐含单元既可以与输入输出单元相连，也可以与其它隐含单元相连。 以单隐含层网络为例： Oj为隐含层的激励 二、前向神经网络模型 i=1,2,...,no j=1,2,...,nh 假设每一层的神经元激励函数相同，则对于L+1层前向传播网络，其网络输出的数学表示关系方程式一律采用：   其中: