该【神经网络BPPPT幻灯片 】是由【知识徜徉土豆】上传分享,文档一共【79】页,该文档可以免费在线阅读,需要了解更多关于【神经网络BPPPT幻灯片 】的内容,可以使用淘豆网的站内搜索功能,选择自己适合的文档,以下文字是截取该文章内的部分文字,如需要获得完整电子版,请下载此文档到您的设备,方便您编辑和打印。
概述
概述
神经网络(NeuralNetworks,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。
在控制领域的研究课题中,不确定性系统的控制问题长期以来都是控制理论研究的中心主题之一,但是这个问题一直没有得到有效的解决。利用神经网络的学习能力,使它在对不确定性系统的控制过程中自动学习系统的特性,从而自动适应系统随时间的特性变异,以求达到对系统的最优控制;显然这是一种十分振奋人心的意向和方法。
人工神经网络的模型现在有数十种之多,应用较多的典型的神经网络模型包括BP网络、霍普菲尔德(Hopfield)网络、ART网络和Kohonen网络。
神经网络经历了从高潮到低谷,再到高潮的阶段,充满曲折的过程。
①初期阶段
美国心理学家williamJames(1890)发表了《心理学原理》一书,论述了相关学忆的基本原理,对人脑功能作了创见性地工作。
(1943)合作,从数理逻辑的角度,提出了神经元和神经网络最早的数学模型(MP模型),标志着神经网络研究的开端。
(1949)出版《行为构成》一书,首先建立了被称为Hebb算法的连接权训练规则。他认为学习过程就发生在两个神经细胞相互连接的突触处,并首先提出了神经元权值的修改方案,Hebb学习规则至今仍产生深刻影响。
(1958)提出了一种具有三层网络特性的神经网络结构,称为“感知器”。第一次从理论研究转入工程现实阶段。
电机工程师BernardWidrow和MarcianHoff(1962)提出了一种连续取值的线性加权求和阀值网络,即自适应线性元件网络,它成功地应用于自适应信号处理和雷达天线控制等连续可调过程。他们在人工神经网络理论上创造了一种被人们熟知的Widrow一Hoff学习训练算法,井用硬件电路实现人工神经网络方面的工作,为今天用大规模集成电路实现神经网络计算机奠定了基础。
②低潮阶段
(1969)出版了一本名为《感知器》的专著,书中指出线性感知器功能是有限的,简单的神经网络只能进行线性分类和求解一阶谓词问题,,其悲观论点极大地影响了当时的人工神经网络研究,为刚燃起的人工神经网络之火,泼了一大盆冷水。
使神经网络研究处于低潮的更重要的原因是,20世纪70年代以来集成电路和微电子技术的迅猛发展,使传统的冯·诺依曼型计算机进入发展的全盛时期,基于逻辑符号处理方法的人工智能得到迅速发展并取得显著成就,它们的问题和局限性尚未暴露,因此暂时掩盖了发展新型计算机和寻求新的神经网络的必要性和迫切性。
(1969)提出了著名的自适应共振理论模型.
神经网络BPPPT幻灯片 来自淘豆网m.daumloan.com转载请标明出处.