核数据处理b-6_精品文档资料下载.pdf
- 文档编号:16119748
- 上传时间:2022-11-20
- 格式:PDF
- 页数:55
- 大小:392.52KB
核数据处理b-6_精品文档资料下载.pdf
《核数据处理b-6_精品文档资料下载.pdf》由会员分享,可在线阅读,更多相关《核数据处理b-6_精品文档资料下载.pdf(55页珍藏版)》请在冰豆网上搜索。
在信息,计算机科学等领域内,指的则是向生命学习而构造的人工神经网络(ArtificialNeuralNetworks,简写为,简写为ANN)。
成都理工大学马英杰人工神经网络人工神经网络人工神经网络人工神经网络概述概述概述概述?
人工神经网络人工神经网络(ArtificialNeuralNetworks)?
由由人工建立人工建立的以的以有向图有向图为拓朴结构的为拓朴结构的动态动态系统,它通过对系统,它通过对连续或断续连续或断续的输入状态响应而进行信息处理。
的输入状态响应而进行信息处理。
即:
它是一个超大规模即:
它是一个超大规模非线性非线性连续时间连续时间自适应自适应信息处理信息处理系统。
系统。
实际上,人工神经网络是实际上,人工神经网络是以对大脑的生理研究以对大脑的生理研究成果为基础的,其目的在于成果为基础的,其目的在于模拟大脑模拟大脑的某些机理与机制,实现某个方面的功能。
的某些机理与机制,实现某个方面的功能。
人工神经网络发展史人工神经网络发展史3个阶段3个阶段?
第一阶段第一阶段启蒙时期启蒙时期(40年代年代-60年代年代)?
神经网络理论研究的奠基阶段神经网络理论研究的奠基阶段?
1943年,神经生物学家年,神经生物学家McCullochW.S.和青年数学家和青年数学家PittsW.A.合作,提出第一个人工神经元模型。
合作,提出第一个人工神经元模型。
1949年,神经生物学家年,神经生物学家Hebb于于1949年提出了连接权值强化的年提出了连接权值强化的Hubb法则。
法则。
不断提出新的模型、理论不断提出新的模型、理论成都理工大学马英杰人工神经网络人工神经网络人工神经网络人工神经网络概述概述概述概述?
第二阶段第二阶段低潮时期低潮时期(60年代年代-80年代年代)?
美国麻省理工学院著名的人工智能专家美国麻省理工学院著名的人工智能专家MMinsky在他的专著:
在他的专著:
Perceptrons(感知机)中的悲观结论(感知机)中的悲观结论?
冯冯诺曼依计算机在技术、规模和速度方面的迅猛发展。
当时,很多学者都把将电脑向人脑接近的人工智能发展方向,寄托在不断改进和提高现行计算机的性能的途径上。
诺曼依计算机在技术、规模和速度方面的迅猛发展。
第三阶段第三阶段复兴时期复兴时期(80年代年代-至今至今)?
由于传统计算机存在不可逾越的物理极限和霍普非尔德由于传统计算机存在不可逾越的物理极限和霍普非尔德(JJHopfield)在人工神经网络研究中所取得的突破性进展,国际上掀起了研究人工神经网络信息处理方法的热潮。
在人工神经网络研究中所取得的突破性进展,国际上掀起了研究人工神经网络信息处理方法的热潮。
1987年年6月,成立了国际人工神经网络学会月,成立了国际人工神经网络学会(InternationalNeuralNetworksSociety,简称,简称INNS)。
1988年,人工神经网络杂志年,人工神经网络杂志“NeuralNetworks”创立。
随后,国际电子与电气工程师协会创立。
随后,国际电子与电气工程师协会(InstituteofElectricalandElectronicsEngineers)也成立了国际人工神经网络学会并出版人工神经网络杂志。
也成立了国际人工神经网络学会并出版人工神经网络杂志。
1990年年12月,我国在北京召开了月,我国在北京召开了“中国人工神经网络首届学术大会中国人工神经网络首届学术大会”,开创了我国在人工神经网络和神经计算机方面科学研究的新纪元。
,开创了我国在人工神经网络和神经计算机方面科学研究的新纪元。
人工神经元的模型人工神经元的模型?
神经元的结构神经元的结构细胞核细胞质突触树突轴突神经末梢细胞膜细胞核细胞质突触树突轴突神经末梢细胞膜轴突轴突(axon):
作为:
作为输出输出端的突起。
由细胞体向外伸出的最长的一条分支。
端的突起。
只有一个只有一个。
末端发出若干神经末梢。
细胞体:
进行信息处理,通连树突、轴突与外界相连。
神经元:
由细神经元:
由细胞胞及其发出的许多突起及其发出的许多突起构成。
突起的作用:
传递信息构成。
传递信息成都理工大学马英杰人工神经网络人工神经网络人工神经网络人工神经网络概述概述概述概述?
神经元的结构神经元的结构细胞核细胞质突触树突轴突神经末梢细胞膜细胞核细胞质突触树突轴突神经末梢细胞膜树突树突(dendrite):
细胞体的延伸部。
由细胞体向外伸出的许多较短的分支。
其全长各部位都可与其他神经元的轴突末梢相互联系。
:
(输入端输入端)作为作为引入输入信号引入输入信号的的若干个突起若干个突起。
突触突触(synapse):
神经末梢与树突相接的交界面。
在突触处两神经元并未连通:
在突触处两神经元并未连通,它只是发生信息传递功能的结合部,它只是发生信息传递功能的结合部。
联系界面的间隙约。
联系界面的间隙约(15-50)109m。
突触可分为兴奋型。
突触可分为兴奋型和抑制型和抑制型,它相应于神经元间耦合的极性。
每个神经元的突触数目不同,约,它相应于神经元间耦合的极性。
每个神经元的突触数目不同,约103104个,最高可达个,最高可达105个。
个。
神经元的结构神经元的结构细胞核细胞质突触树突轴突神经末梢细胞膜细胞核细胞质突触树突轴突神经末梢细胞膜膜电位:
细胞内、外液的离子浓度不同(膜电位:
细胞内、外液的离子浓度不同(k+居多;
居多;
Na+居多,居多,Ca2+,Mg2+),使细胞的内、外液存在电压差,当细胞内、外液的电压差超过某一个阈值后,就会产生神经脉冲信号。
膜电位差),使细胞的内、外液存在电压差,当细胞内、外液的电压差超过某一个阈值后,就会产生神经脉冲信号。
膜电位差阈值:
兴奋状态阈值:
兴奋状态”1”膜电位差膜电位差=0)1(001)sgn()()(jjjjjfhf(j(t)j(t)01-1成都理工大学马英杰人工神经网络人工神经网络人工神经网络人工神经网络概述概述概述概述?
神经元功能函数神经元功能函数(激活函数、转移函数激活函数、转移函数)?
3.分段线性函数分段线性函数(饱和线性函数饱和线性函数)m,谱的道数远远大于学习谱,谱的道数远远大于学习谱(待求元素待求元素)的个数;
的个数;
nm可保证矩阵列线性无关;
nm具有很好的噪声吸收性能?
3.测量学习谱、标准谱和样品谱的测量学习谱、标准谱和样品谱的条件相同条件相同,即仪器稳定;
,即仪器稳定;
4.学习谱的学习谱的强度强度应应大于大于样品谱的强度或与它在同一数量级。
样品谱的强度或与它在同一数量级。
成都理工大学马英杰人工神经网络人工神经网络人工神经网络人工神经网络?
在岩性识别中的应用在岩性识别中的应用成都理工大学马英杰人工神经网络人工神经网络人工神经网络人工神经网络应用二应用二应用二应用二?
反向误差传播网络(BP)进行岩性识别反向误差传播网络(BP)进行岩性识别?
反向误差传播网络(BP)反向误差传播网络(BP)?
ErrorBackPropagationNetwok?
BP网络结构网络结构?
BP网络由输入层、输出层和中间层网络由输入层、输出层和中间层(隐层隐层)组成。
是一种多层前馈网络。
组成。
mi+1x1ijki输入模式输出模式输出层Nm隐含层输入层N112m-1N2NiNi+1Nm-1x2xn1y1y2ynm成都理工大学马英杰人工神经网络人工神经网络人工神经网络人工神经网络应用二应用二应用二应用二?
xi表示神经网络输入;
表示神经网络输入;
yi表示神经网络实际输出;
表示神经网络实际输出;
ti表示神经网络期望输出;
表示神经网络期望输出;
wijk表示第表示第i层第层第j个神经元到第个神经元到第i+1层第层第k个神经元的连接权值;
个神经元的连接权值;
Oij表示第表示第i层第层第j个神经元输出;
个神经元输出;
ij表示第表示第i层第层第j个神经元阈值;
个神经元阈值;
netij表示第表示第i层第层第j个神经元总输入;
个神经元总输入;
Ni表示第表示第i层神经元节点数。
层神经元节点数。
BP网络学习算法网络学习算法标准标准BP算法算法?
有监督的学习有监督的学习(规则规则)。
基本思想:
使用梯度搜索技术,以期最小化网络的实际输出与期望输出的均方差。
把网络输出出现的误差归结为各层连接权的即:
把网络输出出现的误差归结为各层连接权的“过错过错”,通过把输出层单元的误差逐层向输入层逆向传播,以,通过把输出层单元的误差逐层向输入层逆向传播,以“分摊分摊”给各单元,从而获得各层单元的参考误差,以便调整相应的连接权值。
给各单元,从而获得各层单元的参考误差,以便调整相应的连接权值。
成都理工大学马英杰人工神经网络人工神经网络人工神经网络人工神经网络应用二应用二应用二应用二?
实际包含了两个阶段:
1)BP网络的前馈计算阶段。
网络的前馈计算阶段。
2)反向调整权矩阵系数。
反向调整权矩阵系数。
1.BP网络的前馈算法网络的前
- 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:
- 数据处理 精品 文档
![提示](https://static.bdocx.com/images/bang_tan.gif)