智能传感器系统神经网络技术及其在智能传感器系统中的应用.ppt

文档介绍：该【智能传感器系统神经网络技术及其在智能传感器系统中的应用 】是由【业精于勤】上传分享，文档一共【73】页，该文档可以免费在线阅读，需要了解更多关于【智能传感器系统神经网络技术及其在智能传感器系统中的应用 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。第六章神经网络技术及其在智能传感器系统中的应用人类大脑的思维分为抽象(逻辑)思维、形象(直观)思维和灵感(顿悟)思维三种基本方式。逻辑性的思维:是指根据逻辑规则进行推理的过程。神经网络信息概念(符号表示)逻辑推理串行指令直观性的思维:是将分布式存储的信息综合起来,成果是瞬间产生想法或处理问题的措施。;。-1基本神经元模型神经元是神经网络的基本单元;Wli表达某一神经元与第i个神经元的连接权值;阈值(偏置值);神经元的输出可描述为:式中:f(Ai)表达神经元输入—输出关系的函数,称为作用函数或传递函数,常用的作用函数有如图6-2所示的三种:阈值型、S型和分段线性型(伪线性型)。这样,就有三类神经元模型。假如有阈值,则表达当神经元的输入到达一定的强度后才能激活。图6-2常见的作用函数形式(a)阈值型;(b)S型;(c)伪线性型一、阈值型神经元阈值型神经元是一种最简朴的神经元,由美国心理学家,因此,一般称为M-P模型。M-P模型神经元是二值型神经元,其输出状态取值为1或0,分别代表神经元的兴奋状态和克制状态。其数学体现式为对于M-P模型神经元,权值Wji可在(-1,1)区间持续取值。取负值表达克制两神经元间的连接强度,取正值表达加强。二、S型神经元模型这是常用的一种持续型神经元模型,输出值是在某一范围内持续取值的。输入—输出特性多采用指数函数表达,用数学公式表达如下:S型作用函数反应了神经元的非线性输入—输出特性。用于多层神经网络的隐层三、分段线性型神经元的输入—输出特性满足一定的区间线性关系,其输出可表达为式中,C、AC表达常量。多用于输出层。