文档介绍：第6章神经网络控制
1
概述

人工神经元模型
人工神经网络模型
神经网络的学习方法
2

人脑大约包含1012个神经元,分成约1000种类型,每个神经元大约与102~104个其他神经元相连接,形成极为错综复杂而又灵活多变的神经网络。每个神经元虽然都十分简单,但是如此大量的神经元之间、如此复杂的连接却可以演化出丰富多彩的行为方式。同时,如此大量的神经元与外部感受器之间的多种多样的连接方式也蕴含了变化莫测的反应方式。
3
4
从生物控制论的观点来看,神经元作为控制和信息处理的基本单元,具有下列一些重要的功能与特性:
时空整合功能
兴奋与抑制状态
脉冲与电位转换
神经纤维传导速度
突触延时和不应期
学习、遗忘和疲劳
5
人工神经元模型
人工神经元是对生物神经元的一种模拟与简化。它是神经网络的基本处理单元。如图所示为一种简化的人工神经元结构。它是一个多输入、单输出的非线性元件。
6
7
其输入、输出关系可描述为
其中, 是从其他神经元传来的输入信号; 表示从神经元j到神经元i的连接权值; 为阈值; 称为激发函数或作用函数。
8
输出激发函数又称为变换函数,它决定神经元(节点)的输出。该输出为1或0,取决于其输入之和大于或小于内部阈值。函数一般具有非线性特性。下图表示了几种常见的激发函数。
1. 阈值型函数(见图(a),(b))
2. 饱和型函数(见图(c))
3. 双曲函数(见图(d))
4. S型函数(见(e))
5. 高斯函数(见图(f))
9
10