文档介绍:人工神经网络
人工神经网络 Artificial Neural Networks
东北大学数学系
王琪
wangqimath126
主要内容
生物神经元
人工神经元
人工神经网络的网络结构
人工神经网络的训练
什么是人工神经网络
人工神经网络 Artificial Neural Networks
东北大学数学系
王琪
wangqimath126
主要内容
生物神经元
人工神经元
人工神经网络的网络结构
人工神经网络的训练
什么是人工神经网络
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。简单地讲,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。
人工神经网络的概念
1)  一组处理单元(PE或AN);
2)  处理单元的激活状态(ai);
3)  每个处理单元的输出函数(fi);
4)  处理单元之间的联接模式;
5)  传递规则(∑wijoi);
6)  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(Fi);
7)  通过经验修改联接强度的学****规则;
8)  系统运行的环境(样本集合)。
层次划分
信号只被允许从较低层流向较高层。
层号确定层的高低:层号较小者,层次较低,层号较大者,层次较高。
输入层:被记作第0层。该层负责接收来自网络外部的信息
输出层
隐藏层
输入层
o1
o2
om
…
x1
x2
xn
…
…
…
…
…
…
第j层:第j-1层的直接后继层(j>0),它直接接受第j-1层的输出。
输出层:它是网络的最后一层,具有该网络的最大层号,负责输出网络的计算结果。
隐藏层:除输入层和输出层以外的其它各层叫隐藏层。隐藏层不直接接受外界的信号,也不直接向外界发送信号
输出层
隐藏层
输入层
o1
o2
om
…
x1
x2
xn
…
…
…
…
…
…
约定 :
输出层的层号为该网络的层数:n层网络,或n级网络。
第j-1层到第j层的联接矩阵为第j层联接矩阵,输出层对应的矩阵叫输出层联接矩阵。今后,在需要的时候,一般我们用W(j)表示第j层矩阵。
输出层
隐藏层
输入层
o1
o2
om
…
x1
x2
xn
…
…
…
…
…
…
W(1)
W(2)
W(3)
W(h)
多级网——h层网络
输出层
隐藏层
输入层
o1
o2
om
…
x1
x2
xn
…
…
…
…
…
…
W(1)
W(2)
W(3)
W(h)
循环网
x1
o1
输出层
隐藏层
输入层
x2
o2
om
xn
…
…
…
…
…
…
…
循环网
如果将输出信号反馈到输入端,就可构成一个多层的循环网络。
输入的原始信号被逐步地“加强”、被“修复”。
大脑的短期记忆特征——看到的东西不是一下子就从脑海里消失的。
稳定:反馈信号会引起网络输出的不断变化。我们希望这种变化逐渐减小,并且最后能消失。当变化最后消失时,网络达到了平衡状态。如果这种变化不能消失,则称该网络是不稳定的。
人工神经网络的训练
人工神经网络的训练
人工神经网络最具有吸引力的特点是它的学****能力。
1962年,Rosenblatt给出了人工神经网络著名的学****定理:人工神经网络可以学会它可以表达的任何东西。
人工神经网络的表达能力大大地限制了它的学****能力。
人工神经网络的学****过程就是对它的训练过程
无导师学****br/>无导师学****Unsupervised Learning)与无导师训练(Unsupervised Training)相对应
无导师训练方法不需要目标,其训练集中只含一些输入向量,训练算法致力于修改权矩阵,以使网络对一个输入能够给出相容的输出,即相似的输入向量可以得到相似的输出向量。
抽取样本集合中蕴含的统计特性,并以神经元之间的联接权的形式存于网络中。
无导师学****br/>Hebb学****律、竞争与协同(Competitive and Cooperative)学****随机联接系统(Randomly Connected Learning)等。
Hebb算法[D. O. Hebb在1961年]的核心:
当两个神经元同时处于激发状态时被加强,否则被减弱。
数学表达式表示:
W