文档介绍：2017-1-14 1人工智能(9) 2017-1-14 2第九章人工神经网络课程的基本内容及要求: : 了解一些有关人工神经网络的概念——模型、结构及工作方式等 1-4 节(学时) (4,5 节可自学) 重点: 2节,3节1,2 小节 2017-1-14 3第九章人工神经网络 神经网络概述现代的计算机有很强的计算和信息处理能力,但是它解决像模式识别、感知、评判和决策等复杂问题的能力却远不如人,特别是它只能按人事先编好的程序机械地执行,缺乏向环境学****适应环境的能力单个神经元的反应速度是在毫秒级,比起计算机的基本单元——逻辑门(反应时间在 10-9s 量级)慢 5~6个数量级。由于人脑的神经元数量巨大(约为 1010 个),每个神经元可与几千个其它神经元连接(总连接数约为 6×1013 ),对有些问题的处理速度反而比计算机快得多。它的能耗约为每一运算 10-16J/s (计算机为每一运算 10-6J/s ),由此可见其性能要比现代计算机高得多 2017-1-14 4第九章人工神经网络 神经网络概述从模仿人脑智能的角度出发,来探寻新的信息表示、存储和处理方式,设计全新的计算处理结构模型,构造一种更接近人类智能的信息处理系统来解决传统的冯·诺依曼计算机难以解决的问题,必将大大促进科学进步,并会在人类生活的各个领域引起巨大的变化, ?人工神经网络( Artificial works , 以下简写为 NN)系统 2017-1-14 5第九章人工神经网络 神经网络概述所谓 NN就是为模仿人脑工作方式而设计的一种机器,它可用电子或光电元件实现,也可用软件在常规计算机上仿真。或者说 NN是一种具有大量连接的并行分布处理器,它具有通过学****获取知识并解决问题的能力,且知识是分布储存在连接权(对应于生物神经元的突触)中, 而不是像常规计算机那样按地址存在特定的存储单元中 2017-1-14 6第九章人工神经网络 神经网络概述尽管目前人们对大脑神经网络的结构、运行机制,甚至单个神经细胞的工作原理了解还很肤浅,但是基于生物神经系统的分布式存储、并行处理、自适应学****这些现象,已经构造出具有一些低级智慧的人工神经网络系统当然这种人工神经网络只是对大脑的粗略而简单的模仿,无论在功能上,还是在规模上都比真正的神经网络差得很远,但它在一些科学研究和实际工程领域中已显示了很大的威力 2017-1-14 7第九章人工神经网络 神经网络概述从80年代初神经网络的研究再次复苏并形成热点以来,发展非常迅速在理论上,对它的计算能力、对任意连续映射的逼近能力、学****理论及动态网络的稳定性分析等都取得了丰硕的成果在应用上已迅速扩展到许多重要领域 2017-1-14 8第九章人工神经网络 神经网络概述应用领域应用领域(1)模式识别与图象处理印刷体和手写体字符识别,语音识别,签字识别,指纹识别,人脸识别,癌细胞检测,心电图和脑电图分类, RNA 和DNA 识别,油气贮藏勘测,加速器事故检测,目标检测与识别,图象压缩,图象复原(2)控制与优化化工过程控制,机械手运动控制,电弧炉电极控制,半导体生产中掺杂控制, 石油精炼和食品工业中优化控制, VLSI (超大规模集成电路)布线设计(3)预测与管理股市预测,有价证券管理,借贷风险分析,信用卡管理,机票管理(4)通信自适应均衡,回波抵消,路由选择, ATM 网络中的呼叫接纳识别及控制(5)其它应用导航,光学望远镜聚焦,运载体轨迹控制,电机故障检测以及多媒体 2017-1-14 9第九章人工神经网络 人工神经元模型 1 1 神经元模型神经元模型神经元模型神经元模型的的三个三个基本要素: 基本要素: ①①一组连接权一组连接权(对应于生物神经元突触) (对应于生物神经元突触) ————连接强度由各连接强度由各连接上的权值表示,权值为正表示激励,为负表示抑制连接上的权值表示,权值为正表示激励,为负表示抑制②②一个求和单元一个求和单元————用于求取各输入信息的加权和(线性组用于求取各输入信息的加权和(线性组合) 合) ③③一个非线性激励函数一个非线性激励函数————起到非线性映射作用并限制神经起到非线性映射作用并限制神经元输出幅度在一定的范围之内(一般限制在元输出幅度在一定的范围之内(一般限制在[0,1] [0,1] 或或[-1,+1] [-1,+1] 之间) 之间) 此外还有一个此外还有一个阈值阈值θθ k k( (或偏置或偏置 b b k k= - = - θθ k k) ) … 2017-1-14 10第九章人工神经网络 人工神经元模型 1 1 神经元模型神经元模型… x 1x p 输入信号 x 2y k … w k1w k2