Ch4 神经网络算法
Ch4 神经网络算法
人的神经系统是由众多神经元相互连接而组成的一个复杂系统。
神经元又叫神经细胞，它是神经组织的基本单位。如下图所示它包括细胞体和突起二部分。突起部分又分为轴突和树突。
轴突稍长，构成神经纤维。 树突稍短，分支多。
神经元之间密切接触，传递神经冲动的地方叫突触，它主要是一个神经元的轴突末端，与另一个神经元的树突(或细胞体)之间的接触。
经过突触的冲动传递是有方向的，突触进行的冲动传递有不同的效果，有的使后一神经元发生兴奋，有的使后一神经元受到抑制。
当若干突触输入，或同一突触得到的连续的输入时，按时间叠加的结果，使细胞体内电位超过某个阈值时，细胞体的膜将会发生单发性的尖峰电位(活发电位)。
这一尖峰脉冲将会沿轴突传播到与其相连的神经细胞中。
用人工方法模拟神经元，采用某种方式连接而成的网络模型，称为人工神经网络模型。 任何一个神经网络模型都是由许多处理单元(结点)组成，每个处理单元都是生物神经元的抽象。它所具备的处理能力也很简单。它具备接收信息、处理信息、输出结果的基本特征。
一个神经网络模型可以是感觉输入，也可以是其他系统的输入，也可以其他神经元的输入。
在任一时刻，每个处理单元都有一个活跃值ai(t)，该值表明该结点的状态。其取值范围可以是[0，1]内的任意实数，也可以是离散值，如0或1，1或-1，也可以是多个值，如-1、0或1。
在整个神经网络的结点之间存在着相互作用，信号强度决定了影响程度的大小。 每个单元都有一个输出函数，它是其活跃值ai(t)作为自变量，将其映射成一输出值oi(t)，即有oi(t)=fi(ai(t))。
函数fi(.)有三种形式：硬极限函数(其实就是sgn()即符号函数)、阈逻辑函数(取值在[0，1])、S型单调函数(sigmoid函数 f(x)=1/(1+exp(-x)))，硬极限函数常作为多层系统中的最后出输出层的输出函数，sigmoid函数常作为中间层的输出函数。
在神经网络模型中，各个处理单元之间是相互连接的，也说明它们彼此之间是相互影响的，影响程度用权值来描述。
每个处理单都向它连接的处理单元提供一个可加性输入，因而一个处理单元的输入，等于其他与之相连的处理单元施加的输入，乘以相应的权重之和，即：
你可能喜欢
- 人工神经网络算法
- 神经网络算法matlab
- 神经网络算法的应用
- 神经网络算法滤波
- 神经网络与遗传算法
- 用人工神经网络技术表达船舶型线的算法4页
- 人工神经网络结合遗传算法对FWRP张力制度的优化4页
- 人工神经网络算法在红外高光谱资料反演大气温度廓线中的应用6页
- 人工智能[第九章神经网络与遗传算法]山东大学期末考试知识点复习11页
- 基于人工神经网络的零件族智能搜索算法4页
- 基于人工神经网络算法的城市地下管网自动监测系统应用方案3页
- BP神经网络算法matlab实现1页
- 人工智能神经网络、遗产算法matlab程序举例7页
- BP神经网络算法matlab实现1页
- matlab神经网络优化的遗传算法2页
- BP神经网络整定的PID算法 matlab源程序3页
- matlab BP神经网络(贝叶斯正则化算法程序)3页
- 粒子群算法在PID神经网络优化中的应用3页
- 改进的遗传BP神经网络数据挖掘算法及应用3页
- 对传神经网络算法的改进及其应用5页
- 人工神经网络算法在红外高光谱资料反演大气温度廓线中的应用6页
- 基于粒子群优化算法的神经网络在农药定量构效关系建模中的应用5页
- 基于改进PSO算法的BP神经网络的应用研究_曾万里3页
