1 / 14
文档名称:

神经网络基础.ppt

格式:ppt   大小:1,622KB   页数:14页
下载后只包含 1 个 PPT 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

神经网络基础.ppt

上传人:卓小妹 2022/3/16 文件大小:1.58 MB

下载得到文件列表

神经网络基础.ppt

文档介绍

文档介绍:神经网络基础
现在学****的是第1页,共14页
提要:
第一讲 神经网络基础
第二讲 前向神经网络
第三讲 反馈神经网络
第四讲 随机神经网络
现在学****的是第2页,共14页
第一讲 神经网络基础
大脑是由生物神经元神经网络基础
现在学****的是第1页,共14页
提要:
第一讲 神经网络基础
第二讲 前向神经网络
第三讲 反馈神经网络
第四讲 随机神经网络
现在学****的是第2页,共14页
第一讲 神经网络基础
大脑是由生物神经元构成的巨型网络,它在本质上不同于计算机,是一种大规模的并行处理系统,它具有学****联想记忆、综合等能力,并有巧妙的信息处理方法。
人工神经网络(简称神经网络)也是由大量的、功能比较简单的形式神经元互相连接而构成的复杂网络系统,用它可以模拟大脑的许多基本功能和简单的思维方式。
现在学****的是第3页,共14页
第一讲 神经网络基础
人工神经网络(Artificial Neural Networks,简记作ANN),是对人类大脑系统的一阶特性的一种描述。简单的讲,它是一个数学模型,可以用电子线路来实现,也可以用计算机程序来模拟,是人工智能研究的一种方法。
神经网络主要用于非线性系统的辨识建模、非线性过程的预测、神经网络控制及故障诊断等。美国军方认为,神经网络技术是比***工程更重要的技术。
现在学****的是第4页,共14页
第一讲 神经网络基础
一 神经网络定义:基于模仿生物大脑的结构或功能构成的信息处理系统或计算机。
:神经网络是由多个非常简单的处理单元(神经元)彼此以某种方式相联接而形成的计算机系统。该系统是靠其状态对外部输入信息的动态响应来处理信息的。
现在学****的是第5页,共14页
第一讲 神经网络基础
二 生物神经元的结构和动作原理以及功能

人脑大约由1012个神经元组成,神经元互相连接成神经网络。
生物神经元是大脑处理信息的基本单元,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。它主要由细胞体、树突、轴突和突触(Synapse,又称神经键)组成。
现在学****的是第6页,共14页
细胞体
树突
轴突
轴突末梢
细胞核
图1-1a 神经元的解剖
现在学****的是第7页,共14页
图1-1b 神经元的解剖
现在学****的是第8页,共14页
第一讲 神经网络基础
细胞体:细胞体是由很多分子形成的综合体,内部含有一个细胞核、核糖体、原生质网状结构等,它是神经元活动的能量供应地,在这里进行新陈代谢等各种生化过程。包括细胞核,细胞膜和细胞质。
轴突:细胞体突起的最长的外伸管状纤维称为轴突,轴突是把神经元兴奋的信息传出到其它神经元的出口。
树突:细胞体的伸延部分产生的一至多个突起,呈放射状的分枝称为树突,它是细胞体向外伸出的许多较短的树状分支,相当于细胞的输入。树突具有接受刺激并将冲动传入细胞体的功能,树突与其树突末梢是接受从其它神经元传入的信息的入口。每个神经元有大约10000个树突连接。
现在学****的是第9页,共14页
第一讲 神经网络基础
突触:突触是神经元的树突末梢连接另一神经元的突触后膜 (postsynaptic membrane)的部分。它是神经元之间相联系并进行信息传送的结构,是神经元之间连接的接口。两个神经元的细胞质并不直接连通,两者彼此联系是通过突触这种结构接口的。
膜电位:神经元细胞膜内外之间存在电位差,称为膜电位。膜外为正,膜内为负。膜电压接受神经其它神经元的输入后,电位上升或下降。当传入冲动的时空整合结果,使膜电位上升,而且当超过叫做动作电位的阈值时,细胞进入兴奋状态,产生神经冲动,由轴突输出,这个过程称为兴奋。
现在学****的是第10页,共14页
第一讲 神经网络基础
2 突触传递信息动作原理
兴奋期, 大于动作阈值
绝对不应期:不响应任何刺激
相对不应期:很难相应
根据突触传递信息的动作过
程可以分为两种类型:兴奋型
和抑制型。神经冲动使得细胞
膜电压升高超过动作电压进入
兴奋状态产生神经冲动,若使膜电压下降,低于阈值细胞膜进入抑制状态,无神经冲动输出。
t (ms)
膜电位(mv)
-70
-55
3ms
1ms
1ms
1
2
3
动作阈值
图1-2 生物神经元动作原理
现在学****的是第11页,共14页
第一讲 神经网络基础
第j路输入信号,
从第j路与第i个神经元的连接权,
第i个神经元的阈值,
第i个神经元的输出。
x