2022年人工神经网络简介 .pdf

《2022年人工神经网络简介 .pdf》由会员分享，可在线阅读，更多相关《2022年人工神经网络简介 .pdf（3页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经。神经系统对真实世界物体所作出的交互反应。人工神经网络以其具有自学习、自组织、较好的容错性和。优良的非线性逼近能力，受到众多领域学者的关注。在实际应用中，80%90%的人工神经网络模型是采。采用误差反传算法或其变化形式的网络模型。今为止，有 30 多种人工神经网络模型被开发和应用。下面是它们之中有代表性的一些模型。（）自适应谐振理论(ART)由 Grossberg 提出的，是一个根据可选参数对输入数据进行粗略分类的网络。ART-1 用于二值输入，而ART-2 用于连续值输入。ART 的不足之处在于过份敏感，输

2、入有小的变化时，输出变化很大。（）双向联想存储器(BAM)由 Kosko 开发的，是一种单状态互连网络，具有学习能力。BAM 的缺点为存储密度较低，且易于振荡。（）Boltzmann 机(BM)由 Hinton 等提出的，是建立在Hopfield 网基础上的，具有学习能力，能够通过一个模拟退火过程寻求解答。不过，其训练时间比BP网络要长。（）反向传播(BP)网络 最初由 Werbos 开发的反向传播训练算法是一种迭代梯度算法，用于求解前馈网络的实际输出与期望输出间的最小均方差值。BP 网是一种反向传递并能修正误差的多层映射网络。当参数适当时，此网络能够收敛到较小的均方差，是目前应用最广的网络之

3、一。BP 网的短处是训练时间较长，且易陷于局部极小。（）对流传播网络(CPN)由 Hecht-Nielson提出的，是一个通常由五层组成的连接网。CPN可用于联想存储，其缺点是要求较多的处理单元。（）Hopfield 网 由 Hopfield 提出的，是一类不具有学习能力的单层自联想网络。Hopfield网模型由一组可使某个能量函数最小的微分方程组成。其短处为计算代价较高，而且需要对称连接。（）Madaline 算法是 Adaline 算法的一种发展，是一组具有最小均方差线性网络的组合，能够调整权值使得期望信号与输出间的误差最小。此算法是自适应信号处理和自适应控制的得力工具，具有较强的学习能力

4、，但是输入输出之间必须满足线性关系。（）认知机(Neocogntion)由 Fukushima 提出的，是至今为止结构上最为复杂的多层网络20。通过无师学习，认知机具有选择能力，对样品的平移和旋转不敏感。不过，认知机所用节点及其互连较多，参数也多且较难选取。（）感知器（Perceptron）由 Rosenblatt 开发的，是一组可训练的分类器77，为最古老的 ANN 之一，现已很少使用。（）自组织映射网(SOM)由 Kohonen 提出的，是以神经元自行组织以校正各种具体模式的概念为基础的。SOM 能够形成簇与簇之间的连续映射，起到矢量量化器的作用。根据 W.T.Illingworth提供的

5、综合资料，最典型的模型（算法）及其学习规则和应用领域如表5.1 所列。表 5.1 人工神经网络的典型模型模型名称有师或无师学习规则正向或反向传播应用领域AG 无 Hebb 律 反向数据分类SG 无 Hebb 律 反向信息处理ART-I 无 竞争律反向模式分类DH 无 Hebb 律 反向语音处理名师资料总结-精品资料欢迎下载-名师精心整理-第 1 页，共 3 页 -CH 无 Hebb/竞争律反向组合优化BAM 无 Hebb/竞争律反向图象处理AM 无 Hebb 律 反向模式存储ABAM 无 Hebb 律 反向信号处理CABAM 无 Hebb 律 反向组合优化FCM 无 Hebb 律 反向组合优化

6、LM 有 Hebb 律 正向过程监控DR 有 Hebb 律 正向过程预测，控制LAM 有 Hebb 律 正向系统控制OLAM 有 Hebb 律 正向信号处理FAM 有 Hebb 律 正向知识处理BSB 有 误差修正正向实时分类Perceptron 有 误差修正正向线性分类，预测Adaline/Madaline 有 误差修正反向分类，噪声抑制BP 有 误差修正反向分类AVQ 有 误差修正反向数据自组织CPN 有 Hebb 律 反向自组织映射BM 有 Hebb/模拟退火反向组合优化CM 有 Hebb/模拟退火反向组合优化AHC 有 误差修正反向控制ARP 有 随机增大反向模式匹配，控制SNMF 有

7、 Hebb 律 反向语音/图象处理人工神经网络导论讲稿(PPT)是根据作者编著，高等教育出版社出版的人工神经网络导论（2001 年 8 月出版，2003 年 2 月第 2 次印刷，定价12.4 元）编制的，用于北京工业大学相应的课堂教学，是讲课的纲要。1989 年，作者到美国新墨西哥州立大学计算机科学系做访问学者，开始学习人工神经网络。回国后，在哈尔滨工业大学为硕士研究生开设相应的选修课程。人工神经网络导论一书是在通过对多年来所用的讲稿的修改形成的。依照简明易懂、便于软件实现、鼓励探索的原则介绍人工神经网络。从作者开始接触该领域的亲身感受，到了解到的中外学生初学人工神经网络时总感到，比较神秘，

8、加上有的资料在介绍人工神经网络时比较重视深入和全面，偏重于理论，更使得初学者在一定的期间难以获得适当的进步，尤其是在网络基本模型的形成中感到有很大的困难。作为人工神经网络的入门，作者希望通过对人工神经网络及其基本网络模型的介绍，使学生初步了解智能系统描述的基本模型，掌握人工神经网络的基本概念、单层网、多层网、循环网等各种基本网络模型的结构、特点、典型训练算法、运行方式、典型问题、软件实现方法等。第二个问题是人工神经网络的实验实现和应用实现问题。目前，人工神经网络有硬件实现和软件模拟两种方式。因条件所限，绝大多数初学者都是通过软件的模拟实现来体验其功能及运行特性的。而且，国内的大多数的应用也是用

9、软件实现的。因此，本书在介绍基本的人工名师资料总结-精品资料欢迎下载-名师精心整理-第 2 页，共 3 页 -神经网络模型的同时，还注意从软件实现的角度介绍相应的算法，甚至在最初的典型模型的介绍中，还给出了算法的具体实现。本书的基本目的是：通过对人工神经网络基本构造和基本模型的介绍，使读者对其基本方法有一个基本的掌握，并能掌握如何设计出适当的计算机模拟程序，将学生引入人工神经网络及其应用的研究领域。全书分八章。第一章介绍智能的概念、智能系统的特点及其描述基本模型，人工神经网络的特点、发展历史。第二章为人工神经网络基础，将概要介绍人工神经网络的一般特性。主要包括，生物神经网络模型，人工神经元模型

10、与典型的激励函数；人工神经网络的基本拓扑特性，存储类型及映象，训练。第三章介绍感知器与线性不可分问题；Hebb学习律，Delta规则。第四章介绍BP网络的构成及其训练过程。第五章介绍对传网的网络结构、训练。第六章介绍统计方法，主要包括统计网络的基本训练算法，模拟退火算法与收敛分析，Cauchy训练，人工热与临界温度在训练中的使用。第七章介绍循环网络。主要包括循环网络的组织，稳定性分析；统计Hopfield 网与 Boltzmann机；基本双联存储网络的结构及训练。第八章介绍简单 ART 模型的总体结构、训练、实现。三：参考文献Philip D.Wasserman，Neural Computing:Theory and Practice，Van Nostrand Reinhold，1989 胡守仁、余少波、戴葵，神经网络导论，国防科技大学出版社，1993 年 10 月杨行峻、郑君里，人工神经网络，高等教育出版社，1992 年 9 月闻新、周露、王丹力、熊晓英，MATLAB 神经网络应用设计，科学出版社，2001.5.四：作者信息：蒋宗礼 Email： 人工神经网络导论是一本很好的入门书籍，本讲稿是根据它编制而成，详细内容请参考原书，以更好的学习名师资料总结-精品资料欢迎下载-名师精心整理-第 3 页，共 3 页 -