（共11页PPT）神经网络.pptxVIP

神经网络的学习神经网络模型和联接，一，东大出版社

神经元的性质线性相加：神经元把从其他神经元得到信息的权重求和。非线性阈值：若总和不超过阈值则什么事都不会发生，若超过了阈值，则产生一个脉冲。

神经元的数学模型x1,x2,...,xn:输入z：输出s1,s2,...,sn:各自的权重（突触的效率）θ:阈值zx2xn(x)fsns1s2θx1根据左式，求得输入的权重的总和进一步筛选得出输出函数f(x)f(x)x

一个神经元上的学习竞争学习如果一个突触的效率上升，则其他的下降。输出函数1(x)x1u10.5

学习方程（一个神经元）τ‘：常数c：常数（学习的效率）ｒ：学习信号（突触的效率是否改变的条件xi：输入?不管的话，会慢慢衰减。?如果满足条件，这个输入会成比例的剧烈增加。

感知学习ｗｉｊｓｉ输入层中间层输出层

学习(结合效率的更新)把对于输入信号合适的输出信号当做函数。损失函数（θ表示Ski和wij）输出（感知的输出层的值）误差绝对值的平方(不要在意

（接上文1）因为实在相反方向上的学习信号，因此称之为反向传播。用最速下降法（Steepestdescentmethod）求解。更新ｓi（c是常数）。但是，（学习信号）

（接上文2）更新wij。但是、（学习信号）

总结ｘ１ｘ２多元回归分析识别树学习神经网络最近邻域法

课题确认以下公