我的人工神经网络-2基础.ppt
《我的人工神经网络-2基础.ppt》由会员分享,可在线阅读,更多相关《我的人工神经网络-2基础.ppt(45页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、第第2章章 人工神经网络基础人工神经网络基础主要内容主要内容n生物神经网生物神经网 n人工神经元人工神经元 n单级单级神经网络结构神经网络结构 n示例示例生物体的神经系统生物体的神经系统图图1 生物体的神经元生物体的神经元n根据一个简化的统计,人脑由百亿条神经组成根据一个简化的统计,人脑由百亿条神经组成 每条神经平均连结到其它几千条神经。通过每条神经平均连结到其它几千条神经。通过这种连结方式,神经可以收发不同数量的能量。这种连结方式,神经可以收发不同数量的能量。n神经的一个非常重要的功能是它们对能量的接神经的一个非常重要的功能是它们对能量的接受并不是立即作出响应,而是将它们累加起来,受并不是立
2、即作出响应,而是将它们累加起来,当这个累加的总和达到某个临界阈值时,它们当这个累加的总和达到某个临界阈值时,它们将它们自己的那部分能量发送给其它的神经。将它们自己的那部分能量发送给其它的神经。n大脑通过调节这些连结的数目和强度进行学习。大脑通过调节这些连结的数目和强度进行学习。尽管这是个生物行为的简化描述。但同样可以尽管这是个生物行为的简化描述。但同样可以充分有力地被看作是神经网络的模型。充分有力地被看作是神经网络的模型。n根据生物神经系统的工作过程,我们可以大概根据生物神经系统的工作过程,我们可以大概理解以下这个图所要表达的含义:理解以下这个图所要表达的含义:图图2 生物体的神经系统工作原理
3、生物体的神经系统工作原理生活中的神经网络生活中的神经网络n大家可以想象这样一种情形:寒冷的冬大家可以想象这样一种情形:寒冷的冬天,我们伸手到火炉边烤火,慢慢地,天,我们伸手到火炉边烤火,慢慢地,你觉得自己快要睡着了,这个时候,突你觉得自己快要睡着了,这个时候,突然发现自己伸在火炉边的手特别烫得疼,然发现自己伸在火炉边的手特别烫得疼,然后马上将手缩回去。然后马上将手缩回去。生活中的神经网络生活中的神经网络n这就是一个神经网络的工作实例,火对这就是一个神经网络的工作实例,火对手产生的温度就是图手产生的温度就是图2的输入层。的输入层。(Input),而缩手或不缩手就是图),而缩手或不缩手就是图2的的
4、输出层(输出层(Output)。)。n但是缩手只有在手的温度达到一定的程但是缩手只有在手的温度达到一定的程度才发生的,比如说度才发生的,比如说40度。度。数学解释数学解释n用图用图2来表示上面所说的情形:来表示上面所说的情形:nX1=火对手产生的温度火对手产生的温度 nw1=火对手产生的温度的权值(对火对火对手产生的温度的权值(对火对手产生的温度的放大或是缩小,我们让手产生的温度的放大或是缩小,我们让这个值为这个值为1)n激活函数(激活函数(Active Function)=如果如果 x1*w1 40 激活(缩手),否则抑激活(缩手),否则抑制(不缩手)制(不缩手)n这是单输入的情况,如果有多
5、个输入,这是单输入的情况,如果有多个输入,则输出为则输出为 f(x1*w1+x2*w2+x3*w3)n其中,其中,f(x)为激活函数。为激活函数。示例示例nAND运算:运算:常用的求和运算,如:常用的求和运算,如:1 AND 0=0 nOR运算:运算:常用的求并运算,如:常用的求并运算,如:1 OR 0=1 2个(多)输入的神经网络结构图个(多)输入的神经网络结构图nAND运算运算 其中其中f(x)=If(x=2)return 1;Else return 0;阈值为阈值为2。检验检验n我们可以利用这个结构图来检验一下是否正确:我们可以利用这个结构图来检验一下是否正确:nX1=0,x2=0,x=
6、x1*w1+x2*w2=0 f(x)=0;正确正确 nX1=0,x2=1,x=x1*w1+x2*w2=1 f(x)=0;正确正确 nX1=1,x2=0,x=x1*w1+x2*w2=1 f(x)=0;正确正确 nX1=1,x2=1,x=x1*w1+x2*w2=2 f(x)=1;正确正确 OR运算运算 其中其中f(x)=If(x=1)return 1;Else return 0;阈值为阈值为1。2个(多)输入的神经网络结构图个(多)输入的神经网络结构图n我们可以利用这个结构图来检验一下是否正确:我们可以利用这个结构图来检验一下是否正确:nX1=0,x2=0,x=x1*w1+x2*w2=0 f(x)
7、=0;正确正确 nX1=0,x2=1,x=x1*w1+x2*w2=1 f(x)=1;正确正确 nX1=1,x2=0,x=x1*w1+x2*w2=1 f(x)=1;正确正确 nX1=1,x2=1,x=x1*w1+x2*w2=2 f(x)=1;正确正确生物神经网生物神经网/人工神经网络人工神经网络的基本特性的基本特性n六个基本特征:n1)神经元及其联接;n2)神经元之间的联接强度决定信号传递的强弱;n3)神经元之间的联接强度是可以随学习改变的;n4)信号可以是起刺激作用的,也可以是起抑制作用的;n5)一个神经元接受的信号的累积效果决定该神经元的状态;n6)每个神经元可以有一个“阈值”。学习学习n上
8、面上面2个实例,就是我们需要建立的一个个实例,就是我们需要建立的一个神经网络模型。神经网络模型。n但是我们如何确定但是我们如何确定w1,w2和阈值呢?和阈值呢?n这就需要通过神经网络来学习,从而确这就需要通过神经网络来学习,从而确定定w1,w2和阈值。和阈值。学习学习n拿计算拿计算AND运算的模型来说,需要运算的模型来说,需要2个输个输入入1个输出是肯定的。关键就是如何确定个输出是肯定的。关键就是如何确定2个输入的权值和激活函数的阈值。个输入的权值和激活函数的阈值。n为了计算激活函数的阈值,我们可以增为了计算激活函数的阈值,我们可以增加一个输入层,变成这个样子加一个输入层,变成这个样子:其中其
9、中f(x)=If(x=2)return 1;Else return 0;阈值让阈值让w3去定去定。原先的问题就转化成了求解原先的问题就转化成了求解w1,w2,w3的大小的问题了。的大小的问题了。学习律(规则)学习律(规则)n我们制定这样的学习规律:我们制定这样的学习规律:nW(i)=W(i)+(正确值正确值-实际计算的实际计算的值值)*x(i).通过一定次数的训练,我们就可以让通过一定次数的训练,我们就可以让(正确值正确值-实际计算的值实际计算的值)变得相当下,这样最后的结果变得相当下,这样最后的结果也就稳定了,同时求出了我们需要的也就稳定了,同时求出了我们需要的w1,w2,w3的近似值。的近
10、似值。实际执行过程实际执行过程n得到训练集合(合理的输入和期望的输得到训练集合(合理的输入和期望的输出(如:输入出(如:输入x1=1,x2=1输出输出1)n随机给随机给w1,w2,w3赋值赋值 n执行一定次数的训练执行一定次数的训练 人工神经网络的学习 n人工神经网络最具有吸引力的特点是它的学习能力。n1962年,Rosenblatt给出了人工神经网络著名的学习定理:人工神经网络可以学会它可以表达的任何东西。n人工神经网络的表达能力大大地限制了它的学习能力。n人工神经网络的学习过程就是对它的学习过程人工神经网络的学习 n n关联权值的确定关联权值的确定n确定的内容权值wi和n确定的方式学习(训
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工 神经网络 基础
限制150内