,一般有以下函数表达式来表现网络的非线性阶跃函数分段线性型S型函数S型函数反映了神经元的饱和特性,由于其函数连续可导。调节曲线的参数可以得到类似阈值函数的功能,因此,该函数被广泛应用于许多神经元的输出特性中。神经网络的互连模式前向网络神经元分层排列,分别组成输入层,中间层(也可以称为隐含层,可以有若干层组成)和输出层。每一层的神经元只接受来自前一层神经元的输入,后面的曾对前面的层没有信号反馈。输入模式经过个层次的顺序传播,最后在输出层上得到的输出。感知器网络和BP 网络均属于前向网络。,这种网络可用于存储某种模式序列,如神经认知机和回归BP网络都属于这种类型。,可以实现同一层内神经元之间的横向抑制或兴奋机制。这样可以限制每层内可以同时动作的神经元素,或者把每层内的神经元分为若干组,让每一组作为一个整体进行动作。例如,可利用横向抑制机理把某层内具有做大输出的神经元挑选出来,从而抑制其他神经元,使之处于无输出的状态。
汽车车牌识别技术ppt课件 来自淘豆网m.daumloan.com转载请标明出处.
