1、第8章 人工神经网络方法8。1人工神经网络的基本概念8。1.1人工神经元原理图8-1神经元模型图8-2常见的作用函数8.1。2人工神经网络拓扑结构图8-3典型的神经网络结构8。1.3人工神经网络学习算法1。 神经网络的学习方式2. 神经网络的学习规则8.1.4人工神经网络泛化图84BP神经网络的拓扑结构8。2误差反向传播(BP）神经网络8。2。1BP神经网络的拓扑结构8。2。2BP神经网络学习算法8.2.3BP神经网络设计8.3自组织特征映射（SOFM）神经网络8.3.1SOFM神经网络的拓扑结构图85SOFM神经网络的拓扑结构8.3。2SOFM神经网络聚类的基本算法8.3.3SOFM神经网络
2、学习算法分析1。 学习率2. 邻域8.4Elman神经网络8。4.1Elman神经网络的拓扑结构图8-6Elman神经网络的拓扑结构8.4。2Elman神经网络权值计算8.5Hopfield神经网络8.5。1Hopfield神经网络的拓扑结构图87Hopfield神经网络的拓扑结构8。5.2Hopfield神经网络学习算法概述8.5。3离散Hopfield神经网络8。5。4连续Hopfield神经网络1。 设置互连权值2. 未知类别初始化3。 迭代直到收敛8。6利用SQL Server 2005神经网络进行数据挖掘8。6.1数据准备图8-8统计类别个数的实现图89更新表中数据8。6。2挖掘流程图810经处理的tdm数据示意图图8-11选择数据挖掘技术图8-12选择数据源视图图8-13指定表类型图814指定数据类型图8-15指定列的内容和数据类型图8-16完成数据挖掘结构的创建图8-17“次级”提升图图818“次级”分类矩阵图习题81。 BP神经网络有哪些优缺点？试各列举3条。2。 人工神经元有哪些性质?3。 SOFM神经网络的学习算法步骤?4. BP神经网络与SOFM神经网络的异同？5. 人工神经网络常用的学习规则有哪些?
浙ICP备2021020529号-1 | 浙B2-20240490 
