文档介绍：(ANN—works)或称联接机制(Connectionism),是源于人脑神经系统的一类模型,是模拟人类智能的一条重要途径,具有模拟人的部分形象思维的能力。它是由简单信息处理单元(人工神经元,简称神经元)互连组成的网络,能接受并处理信息,网络的信息处理由处理单元之间的相互作用来实现,它是通过把问题表达成处理单元之间的联接权来处理的。(简称神经网络——NN)是由人工神经元(简称神经元)互连组成的网络,它是从微观结构和功能上对人脑的抽象、简化,是模拟人类智能的一条重要途径,反映了人脑功能的若干基本特征,如并行信息处理、学****联想、模式分类、记忆等。神经网络对控制领域有吸引力的特征:(1)能逼近任意的非线性函数。(2)信息的并行分布式处理与存储。(3)可以多输入、多输出。3(4)便于用超大规模集成电路系统实现,或用现有的计算机技术实现。(5)能进行学****以适应环境的变化。决定网络整体性能的三大要素:(1)神经元(信息处理单元)的特性。(2)神经元之间相互联接的形式——拓扑结构。(3)为适应环境而改善性能的学****规则。,神经网络的基本单元也称为神经元或人工神经元或处理单元。可认为处理单元是一种类似的最基本的生物神经元,它能完成生物神经元最基本的三种处理过程:(1)评价输入信号,决定每个输入信号的强度。(2)计算所有输入信号的权重之和,并与处理单元的阈值进行比较。(3)决定处理单元的输出。5阈值由传递函数来确定。传递函数一般是非线性的,有时也采用线性函数。但应该注意许多问题不能简单地用一条直线将其分成两类。将处理单元排成一列,形成一个处理单元层,若将几层连接在一起,接受输入的层称为输入层,给出输出信号的层称为输出层,其他层为中间层或隐含层,这些层在神经网络中类似于黑箱。如果前一层的每一个处理单元都与后一层中的每个处理单元相连,则这种网络称为全面连接的网络。否则为部分连接的网络。若没有一个处理单元的输出与本层或前一层的处理单元相连接,则这种网络称为正反馈网络;反之,若输出可直接返回同层或前一层处理单元的输入,则这种网络称为负反馈网络。具有闭环的负反馈网络又称为循环系统。6编制神经网络程序,主要是确定传递函数(即决定值的方程)、训练规划(即设置初始权重的规则及修改权重的方程)以及网络的结构(即处理单元数、层数及相互连接状况)。在网络中,信息不像普通计算机储存在单一的内存区,而是储存在整个系统中,这种结构使网络更具有适应性,如果遗失某些处理单元,则仍可不丢失存在那儿的信息。这种储存信息的方式是新一代信息处理方式的代表。,McCulloch和Pitts就定义了一种简单的人工神经元模型,称为MP模型。其响应函数为阶跃函数,。ulloch┇┇=(x1,x2,…,xn)其相应权值为W=(w1,w2,…,wn)神经元的阈值为θ,输出为y,则其中9阶层型和全互连接型。:x1x2┇xny1y2yn┇