文档介绍:人工神经网络
目录
第一部分: 绪论 4
4
4
4
5
6
8
8
第二部分:反向传播网络 10
BP网络 10
: 10
10
10
11
11
11
11
第三部分:自适应竞争神经网络 13
13
13
13
14
14
14
15
网络训练 15
15
第四部分:地震预报的MATLAB实现 15
15
16
17
17
17
18
18
19
第五部分:作业 21
第一部分: 绪论
人工神经网络的定义不是统一的,“人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络,它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。”
人工神经网络(articles work,ANN)结构和工作机理基本上以人脑的组织结构(大脑神经元网络)和活动规律为背景的,它反映了人脑的某些基本特征,但并不是要对人脑部分的真实再现,可以说它是某种抽象、简化或模仿。
神经元是大脑处理信息的基本单元,人脑大约由1011个神经元组成,神经元互相连接成神经网络。神经元以细胞体为主体,由许多向周围延伸的不规则树枝状纤维构成的神经细胞,其形状很像一棵枯树的枝干。主要由细胞体、树突、轴突和突触(Synapse,又称神经键)组成。
生物神经元的示意图
生物神经元传递信息的过程为多输入、单输出,神经元各组成部分的功能来看,信息的处理与传递主要发生在突触附近,当神经元细胞体通过轴突传到突触前膜的脉冲幅度达到一定强度,即超过其阈值电位后,突触前膜将向突触间隙释放神经传递的化学物质,突触有两种类型,兴奋性突触和抑制性突触。前者产生正突触后电位,后者产生负突触后电位。
1通用模型
P1
P2
Pn
W1
W2
Wn
a
Σ
θ
f
2求和操作
3响应函数
y=σ(s)
1前向网络(a)
2从输出到输入有反馈的前向网络(b)
3用来存储某种模式序列,层内互连前向网络(c)
4限制层内同时动作的神经元;分组功能相互结合型网络(d)
a)阈值单元σ(s)=
(b)线性单元
y=σ(s)=s
(c)(d)非线性单元:Sigmoid函数
(监督学****br/>神经网络
(学****系统)
误差分析
误差信号
e
t
期望输出
P
输入
a
期望输出
(无监督学****br/>神经网络
(学****系统)
P
输入
a
期望输出
(再励学****br/>神经网络
(学****系统)
外部环境
评价信息
P
输入
a
期望输出
第二部分:反向传播网络
BP网络
反向传播网络(Back-work,简称BP网络)是将W-H学****规则一般化,对非线性可微分函数进行权值训练的多层网络。权值的调整采用反向传播(Back-propagation)的学****算法,它是一种多层前向反馈神经网络,其神经元的变换函数是S型函数。输出量为0到1之间的连续量,它可实现从输入到输出的任意的非线性映射。
:
(1)函数逼近:用输入矢量和相应的输出矢量训练一个网络逼近一个函数
(2)模式识别和分类:用一个特定的输出矢量将它与输入矢量联系起来;把输入矢量以所定义的合适方式进行分类;
(3)数据压缩:减少输出矢量维数以便于传输或存储
(4)具有将强泛化性能:使网络平滑地学****函数,使网络能够合理地响应被训练以外的输入泛