机器学习及其应用：人工神经网络PPT教学课件.pptxVIP

第九章人工神经网络

训练算法人的大脑由大约800亿个神经元组成，每个神经元通过突触与其他神经元相连接，接收这些神经元传来的电信号和化学信号，对信号汇总处理之后输出到其他神经元。大脑通过神经元之间的协作来完成它的功能，神经元之间的连接关系是在进化过程中以及生长发育、长期的学习、对外界环境的刺激反馈中建立起来的。人工神经网络是对这种机制的简单模拟。它由多个相互连接的神经元构成，这些神经元从其他相连的神经元接收输入数据，通过计算产生输出数据，这些输出数据可能会送入其他神经元继续处理。人工神经网络应用广泛。除了用于模式识别之外，它还可以用于求解函数的极值、自动控制等问题。到目前为止有多种不同结构的神经网络，典型的有多层前馈型神经网络（可称为全连接神经网络）、卷积神经网络、循环神经网络、Hopfield网络等。本章介绍最简单的前馈型神经网络，也称为多层感知器（Multi-LayerPerceptron，MLP）模型或全连接神经网络，其他类型的神经网络会在后面的各章中介绍。前馈型神经网络具有分层结构，每一层的神经元从上一层神经元接收数据，经过计算之后产生输出数居，送入下一层神经元继续处理，最后一层神经元的输出是神经网络最终的输出值。

目录多层前馈型神经网络9.1反向传播算法9.2人工神经网络案例9.3CONTENTS

多层前馈型神经网络9.1

多层前馈型神经网络本节将介绍神经元、神经元层