文档介绍：第十二章神经网络
本章内容
1. 神经网络基本原理
2. BP神经网络
3. RBF神经网络
4. Hopfield神经网络
5. SOFM神经网络
6. 神经网络在数据挖掘中的应用
神经网络基本原理-基本分类
按五大个原则对神经网络进行归类:
按照网络的拓扑结构区分,有前向网络和反馈网络;
按照学****方式区分,则分为有教师学****和无教师学****网络;
按照网络性能区分,则有连续型和离散性网络,随机型和确定型网络;
按照突触性质区分则有一阶线性关联网络和高阶非线性关联网络;
按对生物神经系统的层次模拟区分,则有神经元层次模型,组合式模型,网络层次模型,神经系统层次模型和智能型模型。
神经网络基本原理-网络模型
常见的神经网络模型有:
全互连型结构;
层次型结构;
网孔型结构;
神经网络基本原理-组成要素
人工神经网络由八个方面的要素组成,分别为:
一组处理单元;
处理单元的激活状态;
每个处理单元的输出函数;
处理单元之间的联接模式;
传递规则;
把处理单元的输入及当前状态结合起来产生激活值的激活规则;
通过经验修改联接强度的学****规则;
系统运行的环境。
神经网络基本原理-学****方式
神经网络的学****方式主要分为:
有监督学****supervised learning) ;
无监督学****Unsupervised Learning, anizing) ;
自监督学****self-supervised learning) ;
BP神经网络-改进
改进的BP神经网络步骤如下:
BP神经网络-影响BP网络建模的因素
影响BP网络建模的因素主要有:
BP神经网络层数的确定;
BP神经网络中节点数的确定;
(1)输入层节点数的确定;
(2)隐层节点数的确定;
(3)输出层节点数的确定。
RBF神经网络-网络结构
输入层由一些源点(感知单元)组成,将网络与外界环境连接起来;
隐含层是非线性的,在输入空间到隐层空间之间进行非线性变换;
输出层是线性的,对输入层的训练数据做出响应。
RBF神经网络-基本步骤