电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

泛朦第三系—神经系(Neural Network)VIP免费

泛朦第三系—神经系(Neural Network)_第1页
1/47
泛朦第三系—神经系(Neural Network)_第2页
2/47
泛朦第三系—神经系(Neural Network)_第3页
3/47
泛朦第三系—神經系(NeuralNetwork)報告人:張士行教授Prof.Dr.AlbertChang光電博士.企管碩士.電子碩士.機械碩士PICO7ToolsFounderEditorofCJME(citedinEI)GraduateSchoolofBusiness&Management,VITCEOofPIDLab.CellularPhone:886-939924099Email:prof.chang@msa.hinet.net類神經網路導論類神經網路(artificialneuralnetwork)或譯為人工神經網路:模仿生物神經網路的資訊處理系統。精確定義一種計算系統:硬體、軟體。大量簡單的相連人工神經元:模仿生物神經網路的能力。取得資訊:外界環境、人工神經元。輸出結果:外界環境其他人工神經元。背景(1)1957年(電腦發展的初期):第一種類—神經網路模式感知機(Perceptron)提出。1960年代中期沒落。沒落因素1.本身理論無法突破(EX:XOR問題)。2.數位電腦、人工智慧的吸引。3.當時相關技術無法實現「神經電腦」。背景(2)80年代中期:類神經網路的研究復興,而在短短數年之內蔚為風潮。原因:如下4點。復興原因(1)類神經網路在理論的建立與模式的開發上有了突破,最明顯的突破包括:霍普菲爾網路(Hopfieldneuralnetwork,HNN)倒傳遞網路(Back-propagationnetwork)。復興原因(2)解決電腦科學與人工智慧的難題,(EX:樣本識別、機器學習)。電子、光學等技術進展:提供實現「神經電腦」可能性(EX:基於VLSI的神經電腦與光神經電腦的誕生)。復興原因(3)從現代生物學、認知學、心裡學對生物神經網路的瞭解,提供了發展新的類神經網路模式的啟示。生物神經元模型生物神經網路:由巨量的神經細胞,或稱神經元所組成,神經細胞的形狀和一般的細胞有很大的不同。神經細胞神經核:神經細胞呈核狀的處理機構。軸索(神經軸):神經細胞成軸索狀的輸送機構。樹突(神經樹):神經細胞成樹枝狀的輸出入機構。突觸(神經節):神經細胞神經樹上乘點狀的連結機構。神經核(soma)神經軸突(axon)神經突觸(synapses)(synapses)神經樹突(dendrites)(dendrites)人工神經元模型(1)類神經網路:由許多的人工神經細胞(artificialneuron)所組成。又稱類神經元、人工神經元、處理單元(processingelement)。每一個處理單元的輸出以扇形送出,成為其它許多處理單元的輸入。人工神經元模型(2))XW(fYjiniijj其中•Yj=模仿生物神經元模型的輸出訊號。•處理單元輸出值與輸入值的關係式:一般用輸入值的加權乘積和之函數來表示人工神經元模型(3)f=模仿生物神經元模型的轉移函數(transferfunction)。Wij=模仿生物神經元模型的神經鏈結強度,又稱鏈結加權值。人工神經元模型(4)Xi=模仿生物神經元模型的輸入訊號(inputsignal)。θ=模仿生物神經元模型的閥值(thresholdvalue)。Wij:X2X1Xn::XiθiYjfnetj轉移函數輸出訊號處理單元淨值輸入訊號鏈結加權值閥值W1jW2jWnj人工神經元模型(5)鏈結(connection):介於處理單元間的訊號傳遞路徑。每一個鏈結上有一個數值的加權值Wij,用以表示第i處理單元對第j處理單元之影響程度。人工神經元模型(6)一個類神經網路:由許多個人工神經元所組成,並且可以組成不同的網路模式(networkmodel)或網路典範(networkparadigm)。類神經網路模型(1)倒傳遞網路(back-propagationnetwork,BPN):應用最普遍。BPN:包含許多層(含若干個處單元)類神經網路模型(2)輸入層單元:輸入訊息。輸出層單元:輸出訊息。隱藏層單元:提供類神經網路表現處理單元間的交互作用與問題的內在結構的能力。ijklijklijk輸入層隱藏層輸出層X1X1X1X1Y3Y1Y2WikVii網路分類(1)目前著名類神經網路不下數十種,主要分為四類1.監督式學習網路:從問題領域中取得訓練範例(有輸入變數值,也有輸出變數),並從中學習輸入變數與輸出變數內在對映規則,以應用於新的案例(只有輸入變數值,而需推論輸出變數值的應用)如BP。網路分類(2)2.無監督式學習網路:從問題領域中取得訓練範例(只有輸入變數值),並從中學習範例的內在聚類規則,以應用於新的案例。3.聯想式學習網路:從問題領域中取得訓練範例(狀態變數...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

泛朦第三系—神经系(Neural Network)

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部