第7章-人工神经网络.pptxVIP

第七讲人工神经网络

1章前导读让我们先看一段案例：人类对于大脑的探索由来已久，直到20世纪40年代，随着各项研究取得较大突破，人们才开始越来越充分的认识与了解人脑的结构、组成以及最基本的工作单元。在此基础上，借助数学和物理方法等对人脑神经网络进行抽象，以建立模型，也就是人工神经网络ANN（ArtificialNeuralNetwork）

2学习目标了解人工神经网络的产生和发展历程了解感知机的数学原理和简单运用了解人工神经网络的应用场景熟悉神经元模型和激活函数

CONTENTS01人工神经网络概述及其应用场景02神经元模型与感知机03人工神经网络在金融领域的应用

01人工神经网络概述及其应用场景ONE

1人工神经网络的产生定义人工神经网络是由人工建立的，以有向图作为拓扑结构的动态系统，它通过对连续或间断的输入作状态响应而进行信息处理。神经网络是由许多互相连接的节点（或者说“神经元”）组成的。

1人工神经网络的发展发展第一阶段启蒙时期第二阶段低潮时期第三阶段复兴时期第四阶段高潮时期

麦克洛奇（McCulloch）和皮兹（Pitts）于1943年首次提出了人工神经元的数学模型，即MP神经元。1949年，心理学家赫布（Hebb）提出了突触连接强度可变的假定。1957年，计算科学家罗森勃拉特（Rosenblatt）基于MP神经元模型提出了感知器模型。1959年，美国著名工程师威德罗（B.Widrow）、霍夫（M.Hoff）等提出了自适应线性元件和Widrow-Hoff学习规则的神经网络训练方法。1人工神经网络的发展——启蒙时期

1人工神经网络的发展——低潮时期1969年，人工智能的奠基者之一明斯基（Minsky）和帕尔特（Papert）认为简单的线性感知器的功能是有限的，其无法解决线性不可分的两类样本分类问题。美国格罗斯伯格（Grossberg）教授在1976年提出了著名的自适应共振理论ART（AdaptiveResonanceTheory）。AB

霍普菲尔德提出理论霍普菲尔德（Hopfield）在1982年提出了离散Hopfield网络。1984年，霍普菲尔德又提出了一种连续神经网络。儒默哈特提出BP算法1986年，儒默哈特（D.E.Rumelhart）等人基于多层神经网络模型提出了多层神经网络权值修正的反向传播学习算法——BP算法（ErrorBack-Propagation）。1人工神经网络的发展——复兴时期

1人工神经网络的发展——高潮时期在训练过程中引入了“预训练”过程，极大地缩短了训练时间。辛顿（Hinton）在2006年首次提出了“深度信念网络（DeepBeliefNetwork,DBN）”及限制性波尔兹曼机（RBM）训练算法

1人工神经网络的应用场景A在信息领域中的应用智能仪器自动跟踪监测仪器自动控制导航系统等智能信息系统B在医学中的应用脑电信号，听觉诱发电位信号，肌电和胃肠电，心电信号的识别和处理将神经网络引入到专家系统，通过逻辑推理来进行医疗诊断C在交通领域的应用交通仿真、车辆检测、交通流量预测、自动导航、交通控制等各个方面

1神经网络在金融领域的应用01神经网络能够有效地处理非平稳、非线性等问题，从而对股市的收益进行精确的预测。股票市场的预测02针对真实的风险源，构建符合实际的风险模型结构与算法，得出相应的风险评估因子有效地弥补主观评价的缺陷达到较好的结果。风险分析03基于市场定价的机理，根据家庭户数、人均可支配收入、贷款利率、城市化水平等因素，构建了更为精确、可靠的预测模型。价格预测

02神经元模型与感知机TWO

22.1神经元与激活函数假设一个神经元接收D个输入x1，…，xD，令向量x=[x1；x2；…；xD]来表示这组输入，用净输入z?R表示一个神经元所获得的输入信号x的加权和

2激活函数为了增强网络的表示能力和学习能力，激活函数需要具备以下几点性质：连续并可导（允许少数点上不可导）的非线性函数。可导的激活函数可以直接利用数值优化的方法来学习网络参数。激活函数及其导函数要尽可能的简单，有利于提高网络计算效率。激活函数的导函数的值域要在一个合适的区间内，不能太大也不能太小，否则会影响训练的效率和稳定性。

2激活函数Logistic函数二.Tanh函数Sigmoid型函数是指一类S型曲线函数，为两端饱和函数。常用的Sigmoid型函数有Logistic函数和Tanh函数。

22.1神经元与激活函数02神经元会计算传送过来的信号总和，只有当这个总和超过了某个临界值时，才会输出1。这也被称为“神经元被激活”。这里将这个界限值称为阈值，用符号表示。01?感知机

2感知机的运行原理数学形式表现感知机的多个输入信号都有各自固有的权重，权重越大，对应该权重的