神经网络BPPPT幻灯片.pptx

神经网络与BP神经网络控制

概述


人工神经元模型
人工神经网络的体系结构
人工神经网络的学习过程

概述
BP神经网络
BP神经网络模型
BP学习算法
BP网络存在的问题及改进方法
基于MATLAB的BP网络仿真



1. 什么是神经网络
神经网络(works,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。
神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力,特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。
神经网络的发展与神经科学、数理科学、认知科学、计算机科学、人工智能、信息科学、控制论、机器人学、微电子学、心理学、光计算、分子生物学等有关,是一门新兴的边缘交叉学科。
神经网络的基础在于神经元。神经元是以生物神经系统的神经细胞为基础的生物模型。在人们对生物神经系统进行研究,以探讨人工智能的机制时,把神经元数学化,从而产生了神经元数学模型。
大量的形式相同的神经元连结在一起就组成了神经网络。神经网络是一个高度非线性动力学系统。虽然,每个神经元的结构和功能都不复杂,但是神经网络的动态行为则是十分复杂的;因此,用神经网络可以表达实际物理世界的各种现象。
细胞体
细胞体是由很多分子形成的综合体,内部含有一个细胞核、核糖体、原生质网状结构等,它是神经元活动的能量供应地,在这里进行新陈代谢等各种生化过程。神经元也即是整个细胞,整个细胞的最外层称为细胞膜。
树突
细胞体的伸延部分产生的分枝称为树突,树突是作为引入输入信号的突起。
轴突
细胞体突起的最长的外伸管状纤维称为轴突。轴突是作为输出端的突起,它只有一个。
突触是一个神经元与另一个神经元之间相联系并进行信息传送的结构。它由突触前膜,突触间隙和突触后膜组成。突触前膜是一个神经元的轴突末梢。突触间隙是突触前成分与后成分之间的距离空间。突触后膜可以是细胞体,树突或轴突。突触的存在说明:两个神经元的细胞质并不直接连通,两者彼此联系是通过突触这种结构接口的。有时,也把突触看作是神经元之间的连接。
神经元功能

传入神经元的冲动经整和后使细胞膜电位提高,超过动作电位的阈值时即为兴奋状态,产生神经冲动,由轴突经神经末梢传出。传入神经元的冲动经整和后使细胞膜电位降低,低于阈值时即为抑制状态,不产生神经冲动。

由于神经元结构的可塑性,突触的传递作用可增强与减弱,因此神经元具有学习与遗忘的功能。
人工神经网络的特点和优越性:
。
。
。
。
。
自适应是指一个系统能够改变自身的性能以适应环境变化的能力。
因此,神经网络比主要使用固定推理方式的专家系统具有更强的适应性,更接近人脑的运行规律
神经网络具有信息存储的分布性,故局部的损害会使人工神经网络的运行适度减弱,但不会产生灾难性的错误。
神经网络的并行性,是由其结构决定的。每个神经元都可以根据接受到的信息进行独立运算和处理,并输出结构。同一层的不同神经元可以同时进行运算,然后传输到下一层进行处理。因此,神经网络往往能发挥并行计算的优势,大大提升运算速度。
由于神经元之间的相对独立性,神经网络学习的“知识”不是集中存储在网络的某一处,而是分布在网络的所有连接权值中。