人工智能教案06章神经网络,6.1 概述

人工智能教案06章神经网络,6.1 概述

ID:13144081

大小:78.50 KB

页数:21页

时间:2018-07-20

人工智能教案06章神经网络,6.1 概述_第1页
人工智能教案06章神经网络,6.1 概述_第2页
人工智能教案06章神经网络,6.1 概述_第3页
人工智能教案06章神经网络,6.1 概述_第4页
人工智能教案06章神经网络,6.1 概述_第5页
资源描述:

《人工智能教案06章神经网络,6.1 概述》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、6.1概述  神经元:神经细胞,高级动物脑组织的基本单元。  神经细胞主要包括:细胞体、树突、轴突和细胞之间相互联系的突触。  神经元的工作机制:神经元由细胞体、树突(输入端)、轴突(输出端)组成。神经元有两种工作状态:兴奋和抑制。每个神经元到另一个神经元的连接权(后者对前者输出的反应程度)是可以接受外界刺激而改变的,这构成了学习机能的基础。  神经网络:神经网络(NeuralNetwork,NN)指由大量神经元互连而成的网络。  神经网络有点象服务器互连而成的国际互连网(Internet)。人脑有1000亿个神经元,每个神经元平均与10000个其他神经元互连,这就构成了人类智慧的直接物质基

2、础。研究神经元网络的意义:人是万物之灵,区别人与动物的是其发达的大脑及进化的智慧。研究神经网络,特别是神经学习的机理,对认识和促进人自身发展有特殊的意义。  人工神经元网络:采用物理可实现的模型来模仿人脑神经细胞的结构和功能的系统。  人工神经元网络的用途:人工神经元网络也许永远无法代替人脑,但它能帮助人类扩展对外部世界的认识和智能控制。比如:GMDH网络本来是Ivakhnenko(1971)为预报海洋河流中的鱼群提出的模型,又成功的应用于超音速飞机的控制系统(Shrier,1987)和电力系统的负荷预测(Sagara和Murata,1988)。人的大脑神经系统十分复杂,可实现的学习、推理功

3、能是人造计算机所不可比拟的。但是,人的大脑在对于记忆大量数据和高速、复杂的运算方面却远远比不上计算机。以模仿大脑为宗旨的人工神经元网络模型,配以高速电子计算机,有望将任和机器的优势结合起来,将大大提高人对客观世界的认识能力。  这一章我们将讨论神经网络研究的历史和目前的发展状况,简要的介绍神经网络理论的研究基础和几种主要的神经网络模型。人工神经元网络是一个计算模型,与传统的计算机的计算模型不同。◆它试图将一些简单的、大量的计算单元连接在一起,形成网络来进行计算;而传统的计算模式则是只用一个计算单元来进行计算。所以实际上它是一种分布的、并行计算的概念,代替了原来集中的计算方法。这种结构化计算方

4、式与大脑有点相像,它会不会比原来计算方式快,或者比原来的更好?所有这些问题引起了业界人士的强烈兴趣,大家希望它能够给计算寄科学研究带来新的曙光。  ◆它与传统计算方式的不同还体现在模型的建立方面。传统的计算方法,包括人工智能方法、数学模型计算,是采用从上到下的方法。例如,对一个问题,系统对它进行全面分析,然后再全面分解,最后为它建立一个计算模型,这个模型可能是数学的,可能是物理的,也可能是推理的、逻辑的。而在神经元网络中,系统通过采集数据并进行学习的方法来建立数据模型,即我们为系统提供样本,系统靠样本不断学习,在此基础上建立计算模型,从而建立网络结构。我们可以看到,后一种方法需要的经验知识比

5、较少,即我们可以对这个问题不大了解,不知道它的规律,只要有数据就可以对它进行训练,建立计算模型,并希望从中得出计算结果。从这一角度来看,原来不能算的事,人们说不清楚的事,现在好像能算了。综合地说,其特点是适应性强,并行速度快,对经验知识的要求少。6.1.1神经网络研究的发展历史  下面我们回顾一下神经网络研究的发展历史。◆1890年,美国生物学家W.James出版了《Physiology》(生理学)一书。首次阐明了有关人脑结构及其功能,以及相关学习、联想、记忆的基本规律。  W.James指出:人脑中当两个基本处理单元同时活动,或两个单元靠得比较近时,一个单元的兴奋会传到另一个单元。而且一个

6、单元的活动程度与他周围的活动数目和活动密度成正比。  ◆1943年McCulloch(心理学家)和Pitts(数理逻辑学家)发表文章,提出M-P模型。描述了一个简单的人工神经元模型的活动是服从二值(兴奋和抑制)变化的。总结了神经元的基本生理特性,提出了神经元的数学描述和网络的结构方法。这标志神经计算时代的开始。  其意义在于:  ①M-P模型能完成任意有限的逻辑运算  ②第一个采用集体并行计算结构来描述人工神经元和网络工作。  ③为进一步的研究提供了依据  ◆1949年DonalaU.Hebb(心理学家)论著《TheOrganizationofBehavior(行为自组织)》,提出突触联系强

7、度可变的假设,认为学习的过程最终发生在神经元之间的突触部位,突触的联系强度随着突触前后神经元的活动而变化。  其意义在于:  ①提出了一个神经网络里信息是储藏在突触连接的权中  ②连接权的学习律正比于两个被连接的神经细胞的活动状态值的乘积  ③假设权是对称的  ④细胞的互相连接的结构是通过改变它们之间的连接权创造出来的  ◆1957年FrankRosenblatt定义了一个神经网络结构,称为感知器(Perce

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。