第9章神经计算
人工神经元模型
感知器
反向传播网络
自组织映射神经网络
Hopfield网络
脉冲耦合神经网络
小结
1 概述
2 神经网络基础
3神经网络的学****方法
4 常用神经网络模型
1 概述
生物神经网络(biological work, BNN),特别是人脑
人工神经网络(artificial work, ANN):由大量神经元经广泛互联组成的非线性网络(功能模块,数学模型)。实现人脑的一些功能。
神经网络发展历史简介
M-P神经元模型((ulloch & 数学家Pitts 1943)
Hebb神经元学****准则(心理学家Hebb, 1949)
分布式系统方面的研究(如Von Neumann)
Perceptron感知机模型(Rosenblatt 1958)Adaline(Widrow and Hoff)
《Perceptron》(Minsky & Papert, 1969)
Hopfield模型(Hopfield,1982)
多层感知机MLP与反向传播算法BP (Rumelhart, 1986)
脉冲耦合神经网络(PCNN , 1991)
神经网络的特点
神经网络的应用
NN从计算模型的角度本质上可以理解为函数逼近,可以应用到众多领域。
2 神经网络基础
生物神经网络:Biological work (BNN)
神经元:neuron (结构见图示)
神经元经突触传递信号给其他神经元(胞体或树突)
1011个神经元/人脑
104个连接/神经元
神经元基本工作机制:
状态:兴奋与抑制
互联,激励,处理,阈值
神经元模型
Neuron Model: 多输入,单输出,带偏置
R个输入pi∈R,即R维输入矢量p
n: net input, n=wp+b。
R个权值wi∈R,即R维权矢量w
阈值b
输出a=f(n), f: transfer function
常用输出函数
a
Wp
-b
1
-1
阈值函数:
第9章-神经计算 来自淘豆网www.taodocs.com转载请标明出处.