神经网络用于模式识别的几种主要方法及比较.pdf

神经网络用于模式识别的几种主要方法及比较.pdf

ID:52442484

大小:265.89 KB

页数:4页

时间:2020-03-27

神经网络用于模式识别的几种主要方法及比较.pdf_第1页
神经网络用于模式识别的几种主要方法及比较.pdf_第2页
神经网络用于模式识别的几种主要方法及比较.pdf_第3页
神经网络用于模式识别的几种主要方法及比较.pdf_第4页
资源描述:

《神经网络用于模式识别的几种主要方法及比较.pdf》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、研究与探讨信息技术与信息化神经网络用于模式识别的几种主要方法及比较SeveralMainMethordsandTheirComparisonofNeuralNetworkinPattern2recognition3许延伟刘希玉XUYan2weiLIUXi2yu摘要神经网络的一个主要应用就是模式识别,本文主要讨论了用于模式识别的几种有代表性的神经网络类型及其学习或设计规则,对其优缺点进行了简要分析。关键词神经网络模式识别人工神经网络AbstractOneofthemainmethodsinpatt

2、ern-recognitionisneuralnetworks.Thispaperdiscussedseveralkindsoftypicalneuralnetworksusedinthepattern-recognitionandtheirlearningalgorithms,andhavecarriedonbriefanal2ysistoitsadvantagesanddisadvantages.KeywordsNeuralnetworkPattern2recognition模式识别系统相比

3、,表现出明显的优点。1引言人工神经网络,是一种基于生理学上的神经网络理论抽象化的系统模型。它是由大量的基本单元———神经元通过极其丰富的相互联结而构成的非线性动力学系统。目前主要应用于模式识别、组合优化、过程控制等方面。模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。我们把环境与客体统称为“模式”。2模式识别模式可以理解为一组特征,在计算机中就是一组向量或图1数组。图1是单个神经元的示意图,神经元的输出按下式计{Pi}(i=1,⋯,p)是一组模式的集合,模式识别的任务就算:a=f

4、(WP+b)。是把它们分到一组类别的集合中:{Tj}(j=1,⋯,t)。其中每一多个神经元按层组成网络的形式,如图2个Pi都是特征值向量。我们可以把其写成一个二元组的形33322111网络的输出可以表示为:a=f(Wf(Wf(WP+b)式:{Pi,ti}(i=1,⋯,p),如果ti=Tj,则表示Pi属于类别Tj。+b2)+b3)。例如,一个分类器需要识别传送带上的水果是苹果还是下面主要详细讨论三种主要的神经网络:前馈网络(以桔子,利用三个传感器获取水果的三个特征:P=[外形质地感知机为代表)、竞

5、争网络(以Hamming网络为代表)以及递重量]’。一个标准桔子可表示为P1=[1-1-1]’,一个标准归联想存储网络(以Hopfield网络为代表)。苹果可表示为P2=[11-1]’,如果用1表示桔子,-1表示苹4前馈网络与有监督的学习果的话,则t1=1,t2=-1。前馈网络主要用于有监督的学习,以感知机为代表。在3人工神经网络有监督学习中学习规则由一组描述网络行为的实例集合(训人工神经网络技术的出现为处理各种模糊的、数据(或练集)给出:{Pi,ti}(i=1,⋯,p)。其中Pi为网络的输入,

6、ti为知识)不完全的、模拟的、不精确的模式识别问题提供了一个相应的正确输出。当提供给网络输入后,网络应根据目标输全新的途径。人工神经网络,尤其是前馈型神经网络,在信出调整权值和偏置值,从而使网络的实际输出逐渐接近目标息处理中最典型,最有希望的应用领域就是模式识别。作为输出。神经网络的最初模型———感知机模型,就是为模式识别提出4.1单层感知机及其学习规则来的。神经网络通过自组织或学习训练而具有强有力的模单层感知机是20世纪50年代末,由FrankRosenblatt和式识别能力,这使得基于神经网

7、络的模式识别系统与传统的其他几位研究人员提出来的。Rosenblatt的主要贡献在于引入了用于训练神经网络解决模式识别问题的学习规则,并证3山东师范大学信息管理学院山东济南250014明了其收敛性问题。1202005年第4期信息技术与信息化研究与探讨图2单层感知机网络的一般结构如图3所示:该网络的输出由下络输出等于目标输出。当输入模式非正交时,Hebb规则会产式给出:a=hardlim(WP+b)。其中传输函数hardlim的定义生误差,有多种办法可以减小这种误差,比如仿逆规则(见1,如果nE0

8、[文献5])。为:a=hardlim(n)=。如果是一个神经元,则0,其他自联想存储器可以在输入模式有所“破损”时,仍然能将把输入向量分为两类,多神经元感知机则可以将输入分为多其复原,即有一定的鲁棒性。类。4.3ADALINE网络和LMS算法1960年,Widrow和他的学生一块提出了ADALINE网络和一个称为LMS(LeastMeanSquare)(也称为δ学习规则)的学习算法,归为性能学习。它类似于一个单层的感知机,不过是线性传输函数。LMS算法是后来著名的BP算法的基T础。它的训练法则是

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。