神经网络与应用学习PPT教案.pptx

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,神经网络应用,让机器帮我们思考,人工神经网络发展,萌芽期,阀值加权和模型,(MP,模型）,Hebb,学习律,上世纪四十年代,第一次高潮期,电子线路模拟感知器,大规模投入研究,上世纪五六十年代,沉寂期,异或运算不可表示,多层感知器学习规则不知,上世纪八十年代初,复兴期,Hopfield,网络,BP,神经网络,至今,生物神经元,神经元,细胞体,突起,树突,轴突,生物神经元构成,标准,M-P,模型图,v1,v4,v3,v2,vn,i,wi1,wi2,wi3,wi4,win,F(ui),ui,标准,M-P,模型数学描述,神经元状态,Ui=,Wij*Vj-,i,j,神经元输出,Vi=f,（,Ui,）,阶跃函数,Vi=f,（,Ui,）,=,1Ui0,0Ui0,0Ui=0,典型神经网络应用,自适应谐振理论（,ART,）,该模型主要包括,ART1,、,ART2,和,ART3,，它们可以对任意多和任意复杂的二维模式进行自组织、自稳定和大规模并行处理。,ART1,主要用于二值输入，,ART2,和,ART3,主要用于连续信号输入。该类模型主要用于模式识别（如雷达、声纳的信号识别）。,缺点是对转换、失真及规模的变化较为敏感。,雪崩模型（,Avalanche,）,该类神经网络模型可以学习、记忆和重现随机复杂度的时空模式。主要用于连续的语音识别和教学机器人。,缺点是调节困难。,Hopfield,神经网络模型,它是由相同处理单元构成的单层自联想网络模型。主要用于从片段中进行图像和数据的完全恢复。,意向度数据模型,