人工神经网络及其应用第3讲感知机及BP网络.pptxVIP

人工神经网络及其应用第3讲·感知机及BP网络

Contents本讲内容概览从人工神经元到BP神经网络，系统梳理神经网络的核心原理与训练方法。01人工神经元基础与数学模型02感知机模型与学习算法03BP神经网络结构与反向传播算法04BP网络训练策略与实际应用

CHAPTER01人工神经元基础与数学模型从生物神经元到MP模型：神经网络的数学起点

NEURALNETWORKFUNDAMENTALSMP神经元模型：神经网络的奠基石1943年麦卡洛克与皮茨提出的MP神经元模型是人工神经网络的数学起点，它用加权求和+激活函数的简洁框架抽象了生物神经元的信息处理机制，为后续所有神经网络模型奠定了统一的数学基础。生物神经元结构示意01接收n个输入信号xi，每个输入对应权重wi，加权求和后加偏置b，再通过激活函数f得到输出y=f(w·x+b)02权重w控制输入信号的强度与方向：正值代表兴奋型连接，负值代表抑制型，其大小决定对最终输出的影响程度03偏置b控制神经元被激活的难易程度，相当于调整激活阈值的基线；偏置越大越容易被触发，反之则需更强输入04激活函数f是非线性拟合能力的关键：若无激活函数，无论堆叠多少层都等价于一次线性变换，无法拟合复杂关系

NEURALNETWORKCORE激活函数：赋予网络非线性表达能力激活函数是神经网络实现非线性拟合的核