1/68
文档分类:IT计算机

人工神经网络算法(基础精讲)ppt课件.ppt


下载后只包含 1 个 PPT 格式的文档,里面的视频和音频不保证可以播放,查看文件列表

特别说明:文档预览什么样,下载就是什么样。

下载所得到的文件列表
人工神经网络算法(基础精讲)ppt课件.ppt
文档介绍:
人工神经网络
二〇一五年十二月
完整版课件
目 录
2
完整版课件
一、人工神经网络的 基本概念
3
完整版课件
一、人工神经网络的 基本概念
人工神经网络(Artificial Neural Network,即ANN)可以概括的定义为:
由大量具有适应性的处理元素(神经元)组成的广泛并行互联网络,它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应,是模拟人工智能的一条重要途径。人工神经网络与人脑相似性主要表现在:
①神经网络获取的知识是从外界环境学****得来的;
②各神经元的连接权,即突触权值,用于储存获取的知识。

神经元是神经网络的基本处理单元,它是神经网络的设计基础。神经元是以生物的神经系统的神经细胞为基础的生物模型。在人们对生物神经系统进行研究,以探讨人工智能的机制时,把神经元数学化,从而产生了神经元数学模型。因此,要了解人工神经模型就必须先了解生物神经元模型。
4
完整版课件
1.1人工神经网络发展简史
最早的研究可以追溯到20世纪40年代。1943年,心理学家McCulloch和数学家Pitts合作提出了形式神经元的数学模型。这一模型一般被简称M-P神经网络模型,至今仍在应用,可以说,人工神经网络的研究时代,就由此开始了。
1949年,心理学家Hebb提出神经系统的学****规则,为神经网络的学****算法奠定了基础。现在,这个规则被称为Hebb规则,许多人工神经网络的学****还遵循这一规则。
1957年,F.Rosenblatt提出“感知器”(Perceptron)模型,第一次把神经网络的研究从纯理论的探讨付诸工程实践,掀起了人工神经网络研究的第一次高潮。
5
完整版课件
1.1人工神经网络发展简史
20世纪60年代以后,数字计算机的发展达到全盛时期,人们误以为数字计算机可以解决人工智能、专家系统、模式识别问题,而放松了对“感知器”的研究。于是,从20世纪60年代末期起,人工神经网络的研究进入了低潮。
1982年,美国加州工学院物理学家Hopfield提出了离散的神经网络模型,标志着神经网络的研究又进入了一个新高潮。1984年,Hopfield又提出连续神经网络模型,开拓了计算机应用神经网络的新途径。
1986年,Rumelhart和Meclelland提出多层网络的误差反传(back propagation)学****算法,简称BP算法。BP算法是目前最为重要、应用最广的人工神经网络算法之一。
6
完整版课件
1.2生物神经元结构
生物神经元结构
(1)细胞体: 细胞核、细胞质和细胞膜。
(2)树突:胞体短而多分枝的突起。相当于神经元的输入端。
(3)轴突:胞体上最长枝的突起,也称神经纤维。端部有很多神经末稍传出神经冲动。
7
完整版课件
1.2生物神经元结构
(4)突触:神经元间的连接接口,每个神经元约有1万~10万个突触。神经元通过其轴突的神经末稍,经突触与另一神经元的树突联接,实现信息的传递。由于突触的信息传递特性是可变的,形成了神经元间联接的柔性,称为结构的可塑性。
突触结构示意图
完整版课件
1.3生物神经元的信息处理机理
神经元的兴奋与抑制
当传入神经元冲动,经整和使细胞膜电位升高,超过动作电位的阈值时,为兴奋状态,产生神经冲动,由轴突经神经末稍传出。当传入神经元的冲动,经整和,使细胞膜电位降低,低于阈值时,为抑制状态,不产生神经冲动。
9
完整版课件
延时性传递
生物神经元的特点
单向性传递
阈值特性
生物神经元的特点:
1.4生物神经元的特点
完整版课件
内容来自淘豆网www.taodocs.com转载请标明出处.