1 Matlab 辅助神经网络的设计 目 录 第一节 神经网络基本理论 一、人工神经网络概论 二、生物神经元模型 三、Matlab 的神经网络工具包 第二节 感知器 一、感知器神经元模型 二、感知器的网络结构 三、感知器神经网络的学习规则 四、感知器神经网络的训练 五、重要的感知器神经网络函数的使用方法 六、感知器神经网络应用举例 第三节 线性神经网络 一、线性神经元模型 二、线性神经网络结构 三、线性神经学习网络的学习规则 四、线性神经网络训练 五、重要线性神经网络函数的使用方法 六、线性神经网络的应用举例 第四节 BP 网络 一、BP 网络的网络结构 二、BP 网络学习规则 三、BP 网络的训练 四、重要 BP 神经网络函数的使用方法 2 五、BP 网络的应用举例 第五节 径向基函数网络 一、径向基函数神经网络结构 二、径向基函数的学习算法 三、重要径向基函数的函数使用方法 第六节 反馈网络 一、Ho p field 网络的结构与算法 二、Ho p field 网络运行规则 三、重要的反馈网络函数 四、重要的自组织网络函数 五、反馈网络应用举例 第七节 自组织网络 一、自组织特征映射的网络结构 二、自组织特征映射网络的学习 三、自组织特征映射网络的训练 四、重要的自组织网络函数 五、自组织网络应用举例 3 第一节 神经网络基本理论 一、人工神经网络概论 近代神经生理学和神经解剖学的研究结果表明,人脑是由约一千多亿个神经元(大脑皮层约140 多亿,小脑皮层约1000 多亿)交织在一起的、极其复杂的网状结构,能完成智能、思维、情绪等高级精神活动,无论是脑科学还是智能科学的发展都促使人们对人脑(神经网络)的模拟展开了大量的工作,从而产生了人工神经网络这个全新的研究领域。 人工神经网络(ANNS)常常简称为神经网络(NNS),是以计算机网络系统模拟生物神经网络的智能计算系统, 是对人脑或自然神经网络的若干基本特性的抽象和模拟。网络上的每个结点相当于一个神经元,可以记忆(存储)、处理一定的信息,并与其它结点并行工作。 神经网络的研究最早要追述到40 年代心理学家Mcculloch 和数学家Pitts 合作提出的兴奋与抑制型神经元模型和Hebb 提出的神经元连接强度的修改规则,其成果至今仍是许多神经网络模型研究的基础 。50~ 60 年代的代表性工作主 要有Rosenblatt 的感 知 器 模型、Widrow 的自适 应 网络元件Adaline。然而在1969 年Minsky和Pap...