最新BP神經(jīng)網(wǎng)絡詳解與實例(講稿)教學講義ppt課件.ppt

最新BP神經(jīng)網(wǎng)絡詳解與實例(講稿)教學講義ppt課件.ppt

ID:62066369

大?。?.36 MB

頁數(shù):87頁

時間:2021-04-14

最新BP神經(jīng)網(wǎng)絡詳解與實例(講稿)教學講義ppt課件.ppt_第1頁
最新BP神經(jīng)網(wǎng)絡詳解與實例(講稿)教學講義ppt課件.ppt_第2頁
最新BP神經(jīng)網(wǎng)絡詳解與實例(講稿)教學講義ppt課件.ppt_第3頁
最新BP神經(jīng)網(wǎng)絡詳解與實例(講稿)教學講義ppt課件.ppt_第4頁
最新BP神經(jīng)網(wǎng)絡詳解與實例(講稿)教學講義ppt課件.ppt_第5頁
資源描述:

《最新BP神經(jīng)網(wǎng)絡詳解與實例(講稿)教學講義ppt課件.ppt》由會員上傳分享,免費在線閱讀,更多相關內(nèi)容在教育資源-天天文庫。

1、BP神經(jīng)網(wǎng)絡詳解與實例(講稿)引言利用機器模仿人類的智能是長期以來人們認識自然、改造自然和認識自身的理想。研究ANN目的:(1)探索和模擬人的感覺、思維和行為的規(guī)律,設計具有人類智能的計算機系統(tǒng)。(2)探討人腦的智能活動,用物化了的智能來考察和研究人腦智能的物質過程及其規(guī)律。ANN的研究內(nèi)容(1)理論研究:ANN模型及其學習算法,試圖從數(shù)學上描述ANN的動力學過程,建立相應的ANN模型,在該模型的基礎上,對于給定的學習樣本,找出一種能以較快的速度和較高的精度調(diào)整神經(jīng)元間互連權值,使系統(tǒng)達到穩(wěn)定狀態(tài),滿足學習要求的算法。(2)實現(xiàn)技術的研究:探討利用電子、光學、生物等技術實現(xiàn)神經(jīng)計算機

2、的途徑。(3)應用的研究:探討如何應用ANN解決實際問題,如模式識別、故障檢測、智能機器人等。人工神經(jīng)網(wǎng)絡研究的局限性(1)ANN研究受到腦科學研究成果的限制。(2)ANN缺少一個完整、成熟的理論體系。(3)ANN研究帶有濃厚的策略和經(jīng)驗色彩。(4)ANN與傳統(tǒng)技術的接口不成熟。人工神經(jīng)網(wǎng)絡概述什么是人工神經(jīng)網(wǎng)絡?T.Koholen的定義:“人工神經(jīng)網(wǎng)絡是由具有適應性的簡單單元組成的廣泛并行互連的網(wǎng)絡,它的組織能夠模擬生物神經(jīng)系統(tǒng)對真實世界物體所作出的交互反應?!倍⑸窠?jīng)元與神經(jīng)網(wǎng)絡大腦可視作為1000多億神經(jīng)元組成的神經(jīng)網(wǎng)絡圖3神經(jīng)元的解剖圖神經(jīng)元的信息傳遞和處理是一種電化學活動.

3、樹突由于電化學作用接受外界的刺激;通過胞體內(nèi)的活動體現(xiàn)為軸突電位,當軸突電位達到一定的值則形成神經(jīng)脈沖或動作電位;再通過軸突末梢傳遞給其它的神經(jīng)元.從控制論的觀點來看;這一過程可以看作一個多輸入單輸出非線性系統(tǒng)的動態(tài)過程神經(jīng)網(wǎng)絡研究的兩個方面從生理上、解剖學上進行研究從工程技術上、算法上進行研究腦神經(jīng)信息活動的特征(1)巨量并行性。(2)信息處理和存儲單元結合在一起。(3)自組織自學習功能。神經(jīng)網(wǎng)絡基本模型神經(jīng)元的數(shù)學模型圖4神經(jīng)元的數(shù)學模型其中x=(x1,…xm)T輸入向量,y為輸出,wi是權系數(shù);輸入與輸出具有如下關系:θ為閾值,f(X)是激發(fā)函數(shù);它可以是線性函數(shù),也可以是非線

4、性函數(shù).例如,若記取激發(fā)函數(shù)為符號函數(shù)則S型激發(fā)函數(shù):或注:若將閾值看作是一個權系數(shù),-1是一個固定的輸入,另有m-1個正常的輸入,則(1)式也可表示為:(1)參數(shù)識別:假設函數(shù)形式已知,則可以從已有的輸入輸出數(shù)據(jù)確定出權系數(shù)及閾值。2、神經(jīng)網(wǎng)絡的數(shù)學模型眾多神經(jīng)元之間組合形成神經(jīng)網(wǎng)絡,例如下圖的含有中間層(隱層)的B-P網(wǎng)絡基本BP網(wǎng)絡的拓撲結構b1bia1c1cqcjahbpan………………Wp1WiqWpjW1qW1jWijV11W11WpqWi1Vh1VhiV1iVn1VniV1pVhpVnp輸出層LC隱含層LB輸入層LAWVANN類型與功能一般而言,ANN與經(jīng)典計算方法相比

5、并非優(yōu)越,只有當常規(guī)方法解決不了或效果不佳時ANN方法才能顯示出其優(yōu)越性。尤其對問題的機理不甚了解或不能用數(shù)學模型表示的系統(tǒng),如故障診斷、特征提取和預測等問題,ANN往往是最有利的工具。另一方面,ANN對處理大量原始數(shù)據(jù)而不能用規(guī)則或公式描述的問題,表現(xiàn)出極大的靈活性和自適應性。人工神經(jīng)網(wǎng)絡(ArtificialNeuronNets=ANN)例1981年生物學家格若根(W.Grogan)和維什(W.Wirth)發(fā)現(xiàn)了兩類蚊子(或飛蠓midges).他們測量了這兩類蚊子每個個體的翼長和觸角長,數(shù)據(jù)如下:翼長觸角長類別1.641.38Af1.821.38Af1.901.38Af1.701

6、.40Af1.821.48Af1.821.54Af2.081.56Af翼長觸角長類別1.781.14Apf1.961.18Apf1.861.20Apf1.721.24Af2.001.26Apf2.001.28Apf1.961.30Apf1.741.36Af問:如果抓到三只新的蚊子,它們的觸角長和翼長分別為(l.24,1.80);(l.28,1.84);(1.40,2.04).問它們應分別屬于哪一個種類?解法一:把翼長作縱坐標,觸角長作橫坐標;那么每個蚊子的翼長和觸角決定了坐標平面的一個點.其中6個蚊子屬于APf類;用黑點“·”表示;9個蚊子屬Af類;用小圓圈“?!北硎荆玫降慕Y果見圖

7、1圖1飛蠓的觸角長和翼長思路:作一直線將兩類飛蠓分開例如;取A=(1.44,2.10)和B=(1.10,1.16),過AB兩點作一條直線:y=1.47x-0.017其中X表示觸角長;y表示翼長.分類規(guī)則:設一個蚊子的數(shù)據(jù)為(x,y)如果y≥1.47x-0.017,則判斷蚊子屬Apf類;如果y<1.47x-0.017;則判斷蚊子屬Af類.分類結果:(1.24,1.80),(1.28,1.84)屬于Af類;(1.40,2.04)屬于Apf類.圖2分類直線圖?缺

當前文檔最多預覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。