《人工神经网络方法》PPT课件

《《人工神经网络方法》PPT课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、人工神经网络方法——原理及应用张倩倩、孙晶人工神经网络方法人工神经网络简介应用实例——长江三角洲地区城市体系的职能分类人工神经网络，是一个具有高度非线性的超大规模连续时间动力系统，是由大量的处理单元(神经元)广泛互连而形成的网络。是人脑的某种抽象、简化与模拟。人工神经网络的特点和优越性：具有自学习功能；具有联想存储功能；具有高速寻找优化解的能力。在现代地理学中，人工神经网络方法特别适用于地理模式识别、地理过程模拟与预测、复杂地理系统的优化计算等问题的研究。人工神经网络简介神经元模型神经网络的基本结构人工神经网络的工作原理人工神经网络

2、的学习规则神经网络模型的种类yiθix1x2xnW1iW2iWni神经元模型神经元模型基于生物神经元构造，W.McCulloch和W.Pitts于1943年建立了一个模拟神经元功能的数学模型，这个模型被称为MP模型。MP模型是一个多输出单输出的非线性元件。在MP模型中，f是二值函数，其输出值为0或1，分别代表神经元的抑制和兴奋状态，它可以用阶跃函数表示，即当wji>0时，为兴奋性突触结合；当wji<0时，为抑制性突触结合；当wji=0时，为无结合。神经元构成的神经网络如图所示。yjwkjθjj#θkk#θii#θmm#wijwmiw

3、kiyiymyk…神经网络神经元之间的突触结合有兴奋性和抑制性两种。在下图中，（a）和（b）分别给出了两个神经元串行连接和相互结合型连接的情形。(a)12y1w21y221y1y2(b)w12w21两个神经元的不同连接（a）所示的两个神经元串行连接，当w21>0为兴奋性连接时，若神经元1处于兴奋状态，则神经元2也处于兴奋状态；当w21<0为抑制性连接时，若神经元1处于兴奋状态，反而会使神经元2容易处于抑制状态。在（b）中，两个神经元处于相互结合性状态，若w12和w21均为正，则某一个神经元处于兴奋状态时，另一个神经元也倾向于兴奋状态

4、，这称为神经元之间的协调作用；若w12和w21均为均为负，则当某一个神经元处于兴奋状态时，另一神经元倾向于抑制状态，这称为神经元之间的竞争作用。协调和竞争是神经网络中并行信息处理的基本动态特性。神经网络的基本结构把大量的神经元通过一定的拓扑结构连接起来，就形成了神经网络。神经元之间的连接方式有相互结合型结构和层状结构两大类。21435(a)相互结合型12345(b)层状结构神经网络的结构图(a)所示的相互结合型神经网络系统中存在着反馈环。在神经元的学习过程中，进行误差反馈。反馈有正、负之分，正反馈使系统发生振荡，负反馈使系统稳定。在

5、大脑神经系统中，由于负反馈的存在，使控制抑制的机构起着十分重要的作用。正反馈对大脑神经元的同步动作起着一定的作用。在图(b)所示的层状神经网络结构中，信号依特定的方向传播。在生物体内，大脑皮质之间、感觉器官和大脑之间，就可以看作是一种分层结构，即功能模块级的分层。在大脑内确实存在各种机理不同的功能模块，这一点被大脑的解剖研究已经证明，而且每一个模块内部是由神经元组成的并行处理系统。人工神经网络的工作原理人工神经网络首先要以一定的学习准则进行学习，然后才能工作。网络学习的准则应该是：如果网络作出错误的判决，则通过网络的学习，应使得网络

6、减少下次犯同样错误的可能性。将模式分布地记忆在网络的各个连接权值上。当网络再次遇到其中任何一个模式时，能够作出迅速、准确的判断和识别。神经网络的工作过程主要由两个阶段组成，一个阶段是工作期，此时各连接权值固定，计算单元的状态变化，以求达到稳定状态。另一阶段是学习期(自适应期，或设计期)，此时各计算单元状态不变，各连接权值可修改(通过学习样本或其他方法)，前一阶段较快，各单元的状态亦称短期记忆(STM)，后一阶段慢的多，权及连接方式亦称长期记忆(LTM)。人工神经网络的学习规则神经网络的学习过程，一般是，首先设定初时权值，如果无先验的

7、知识，初时权值可设定为随机值。接着输入样本数据进行学习，参照评价标准进行评判。如果达到要求，就停止学习，否则按照给定的学习法则调整权值，继续进行学习，直到取得满意的结果为止。神经网络的学习规则，主要包括误差传播式学习、联想学习、竞争性（Competitive）学习和基于知识的学习等。各种学习规则都是以Hebb规则为基础的。误差传播式学习感知器（Perceptron）是神经网络中的一种最基本的神经网络模型，它是F.Rosenblatt于1961年提出来的。设神经元的输入输出关系为η是学习速率，di是教师信号或希望输出，δi是实际输出y

8、i与希望输出di之差，yi和xj取1或0的离散值。联想式学习根据空间或时间上接近的事物之间，性质上相似或相反的事物之间，以及存在因果关系的事物都可能在人的大脑中产生联想的原理，人们提出了许多无教师的联想式学习模式，其学习规则可以表示为