第四章第四章 神经网络基本原理神经网络
#
单击此处编辑母版文本样式第二级第三级第四级第五级单击此处编辑母版标题样式College of Electrical and Information Engineering Hunan Univ.神经网络基本理论4.1 人工神经元模型 人工神经元是对人或其它生物的神经元细胞的若干基本特性的抽象和模拟 生物神经元模型生物神经元主要由细胞体树突和轴突组成树突和轴突负责传入和传出信息兴奋性的冲动沿树突抵达
§7 神经网络的理论基础传统的基于模型的控制方式:是根据被控对象的数学模型来设计控制器并对控制规律加以数学解析描述模糊控制:是基于专家经验和领域知识总结出若干条模糊控制规则构成描述具有不确定性复杂对象的模糊关系通过被控系统输出误差及误差变化和模糊关系的推理合成获得控制器解决了智能控制中人类语言的描述和推理问题在机器人模拟人脑的感知推理等智能行为方面迈出了重要一步但在数据处理自学习能力方面还远未达
人工神经元模型3) 双曲函数(3) 并行处理性网络的各单元可以同时进行类似的处理过程整个网络的信息处理方式是大规模并行的可以大大加快对信息处理的速度(4) 分布存储和容错性信息在神经网络内的存储按内容分布于许多神经元中而且每个神经元存储多种信息的部分内容网络的每部分对信息的存储具有等势作用部分的信息丢失仍可以使完整的信息得到恢复因而使网络具有容错性和联想记忆功能(5) 便于集成实现和计算模拟神经网
Level One: All Cap Bold Arial 18 MaroonLevel two: initial cap bold arial 16 blueLevel three: initial cap bold arial 16 blueTitle: Cap All Words Bold Arial 28 White神经网络1 人工神经网络( ANNArtificial Ne
第 29 卷 第 6 期
#
单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级2006-5-9北京科技大学 自动化系第二章 人工神经网络的基本模型2006-5-91北京科技大学 自动化系第二章 人工神经网络的基本模型 人工神经元的基本模型 几种典型的激活函数 人工神经网络的学习算法概述 人工神经网络的基本拓扑结构2006-5-92北京科技大学 自动化系 生物神经元结构 (1)细胞体: 细胞核细胞质
神经网络发展历史 树突的功能是接受来自其它神经元的兴奋 神经元细胞体将接收到的所有信号进行简单地处理后由轴突输出 神经元的轴突与另外神经元神经末梢相连的部分称为突触图 反馈型神经网络 最基本的神经网络学习算法:1 Hebb学习规则 Hebb学习规则是一种联想式学习算法生物学家基于对生物学和心理学的研究认为两个神经元同时处于激发状态时它们之间
违法有害信息,请在下方选择原因提交举报