人工智能经典电子书9 BPMLP.pdfVIP

BP神经网络基本原理

Back-propagationArtificialNeuralNetworks

2024/11/101

课内容回顾

生物神经网六个基本特征

神经元及其联接、信号传递、训练、刺激与抑制、累积效果、阈值。

人工神经元的基本构成

xw

11

xw

22∑net=XW

…

xw

nn

2024/11/102

人工神经元的基本构成

xw

11

xw

22∑net=XW

…

xw

nn

人工神经元模拟生物神经元的一阶特性。

输入：X=（x，x，…，x）

12n

T

联接权：W=（w，w，…，w）

12n

网络输入：net=∑xw

ii

向量形式：net=XW

2024/11/103

上次课内容回顾

激活函数与M-P模型

线性函数、非线性斜面函数、阈值函数

S形函数

M-P模型

xw

11

xw

22∑net=XWfo=f（net）

…

xw

nn

2024/11/104

激活函数(ActivationFunction)

激活函数执行对该神经元所获得的网络输入的变换，也可以称为激

励函数、活化函数：o=f（net）

1、线性函数（LinerFunction）

f（net）=k*net+c

o

c

net

o

2024/11/105

2、非线性斜面函数(RampFunction)

γifnet≥θ

f（net）=k*netif|net|θ