资源描述：
《神经网络介绍.docx》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、第一章介绍1.1神经元模型神经元，基本信息处理单位,神经元模型的元素:1．突触和连接;2．一个加法器:求输入信号的相应权值加权的和。3.一个激活函数用来限制神经输出振幅。激活函数也称为压制函数，一个神经元输出范围可写成[0，1]或[-1，+1]。阈值激活函数输出输入信号求和关节突触权值图1.5神经元的非线性模型描述一个神经元k以如下方程：诱导局部域(净输入)激活函数的类型1．临界值函数。：在工程文献中，这种函数一般称为Heaviside函数。这样一个神经元在文献中称为Muculloch-Pitts模型，2分段线
2、性函数3.Sigmoid函数:S-形的，一个例子是logistic函数或固定输入(阈值)激活函数输出输入信号求和关节突触权值(包括阈值)神经元的另一个非线性模型神经元的统计模型P(v)的一个标准选择是Sigmoid型的函数：1.2看作有向图的神经网络信号流图是一个由有向连接（分支）的节点组成的网络.信号流动遵循3条规则.规则1:信号仅仅沿着定义好的箭头方向在连接上流动.l突触连接,l激活连接，为非线性激活函数。规则2:节点信号等于经由连接进入节点的信号的代数和.规则3:节点信号沿每个外向连接向外传递;看作有向图
3、的神经网络：神经网络是一个由具有内部连接权值的节点和激活连接构成的有向图.具有4个主要特征1.每个神经元可表示为一组线性的突触连接,应用它的外部偏置,和可能的非线性激活连接.2.神经元的突触连接给它们相应的输入信号加权.3.输入信号的加权和构成该神经元的诱导局部域.4.激活连接压制神经元的诱导局部域产生输出.一个神经元的状态可以定义为它的输出信号或者诱导局部域.注意集中在神经元之间的信号流，省略神经元内部的信号流的细节，是局部完整的.它的特征是:1.源节点向图提供输入信号.2.每个神经元由一个计算节点表示.3.
4、联结图中源节点和计算节点之间的通讯连接没有权值，它们仅仅提供图中信号流的方向.这样定义的一个局部完整的有向图就是所谓神经网络的结构图,描述了神经网络的布局.总的来说,我们有三种神经网络的图形表示方法:l方框图，提供网络的功能表示.l信号流图,提供网络中完全的信号流描述.l结构图,描述网络布局1.3反馈反馈存在于动态系统,系统一个元素的输出部分影响作用于该元素输入,例如，输入输出关系:稳定性特征是反馈系统研究中的重点.1.4网络结构1.单层前馈网络在层状网络中,神经元被分层放置。在最简单的分层网络中,源节点构成输
5、入层,直接投射到神经元输出层(计算节点)上去；2．多层前馈网前向网络的第二种网络有一层或多层隐藏节点层,相应的计算节点也被称为隐藏单元或隐藏神经元.完全连接网络：相邻层的任意一对节点都有连接.如果不是这样,我们称之为局部连接.3.递归网络递归网络和前向网络的区别在于它至少有一个反馈环.1.5什么是神经网络一个神经网络是一个由简单处理元构成的规模宏大的并行分布处理器。天然具有存储经验知识和使之可用的特性。神经网络从两个方面上模拟大脑。1．神经网络获取的知识是从外界环境中学习得来的。2．内部神经元的连接强度，即突触
6、权值，用于储存获取的知识。神经网络中重要过程：学习过程；学习算法，其功能是以有序的方式改变系统权值。神经网络在文献中也称为神经计算机，连接主义网络，并行分布处理器等。神经网络的优点1．大规模并行分布式结构。2.神经网络学习能力从而具有泛化能力。性质:1．非线性。2．输入输出映射.无参数统计推断,没有对输入数据统计模型作任何先验假设。3．适应性.神经网络嵌入了一个调整自身连接权值以适应外界变化的能力。稳定性,可塑性4．证据响应.模式识别中，类别信息，置信度信息。5前后关系的信息.神经网络的特定结构和活动状态代表知
7、识。6．容错性.7．VLSI实现.8．分析和设计的一致性.神经网络作为信息处理器具有通用性，即涉及神经网络的应用的所有领域都使用同样记号。这种特征以不同的方式表现出来：l神经元：在所有的神经网络中代表一个相同成分。l在不同应用中的神经网络共享相同的理论和算法；l模块化，网络可以用模块的无缝整合来实现。9.神经生物类比.解释神经生物现象的研究工具。神经生物学为解决复杂问题的新思路。1.6人脑刺激感受器神经网络效应器响应神经系统的模块图表示中枢神经系统区间回路局部回路神经元树突神经回路突触分子图1.3大脑分级机构组
8、织组成:突触，神经元，可塑性：创造新连接和修改连接。轴突:即传导线路,光华的表面，较少的分支，比较长;从轴突接受信号树突：即接受区间，有不规则的表面和更多的分支;1.7知识表示什么是知识知识就是人或机器储存起来以备使用的记忆或模型,用来对外界作出解释、预测和适当地反应.知识表示的特征：(1)什么信息是明确表述的；(2)物理上信息是如何被编码和使用的。由知识表示是一个目标导向的.在“智能
