【幻燈片設(shè)計(jì)】-->【配色方案】-->【編輯配色方案】下調(diào)整。LOGO的添加:Logo添加修改在【視圖】-->【母版】-->【幻燈片母版】下調(diào)整。直接">
最新兒童模板_育兒理論經(jīng)驗(yàn)_幼兒教育_教育專區(qū)教學(xué)講義PPT課件.ppt

最新兒童模板_育兒理論經(jīng)驗(yàn)_幼兒教育_教育專區(qū)教學(xué)講義PPT課件.ppt

ID:62102587

大小:1.01 MB

頁(yè)數(shù):39頁(yè)

時(shí)間:2021-04-16

最新兒童模板_育兒理論經(jīng)驗(yàn)_幼兒教育_教育專區(qū)教學(xué)講義PPT課件.ppt_第1頁(yè)
最新兒童模板_育兒理論經(jīng)驗(yàn)_幼兒教育_教育專區(qū)教學(xué)講義PPT課件.ppt_第2頁(yè)
最新兒童模板_育兒理論經(jīng)驗(yàn)_幼兒教育_教育專區(qū)教學(xué)講義PPT課件.ppt_第3頁(yè)
最新兒童模板_育兒理論經(jīng)驗(yàn)_幼兒教育_教育專區(qū)教學(xué)講義PPT課件.ppt_第4頁(yè)
最新兒童模板_育兒理論經(jīng)驗(yàn)_幼兒教育_教育專區(qū)教學(xué)講義PPT課件.ppt_第5頁(yè)
資源描述:

《最新兒童模板_育兒理論經(jīng)驗(yàn)_幼兒教育_教育專區(qū)教學(xué)講義PPT課件.ppt》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、兒童模板_育兒理論經(jīng)驗(yàn)_幼兒教育_教育專區(qū)模板的使用配色方案修改:配色方案在【格式】-->【幻燈片設(shè)計(jì)】-->【配色方案】-->【編輯配色方案】下調(diào)整。LOGO的添加:Logo添加修改在【視圖】-->【母版】-->【幻燈片母版】下調(diào)整。直接選擇logo圖片刪除或修改。字體格式的設(shè)置:括標(biāo)題和文本格式的設(shè)置在【視圖】-->【母版】-->【幻燈片母版】下調(diào)整。2此處添加節(jié)日的問(wèn)候此處添加節(jié)日的問(wèn)候此處添加節(jié)日的問(wèn)候此處添加節(jié)日的問(wèn)候此處添加節(jié)日的問(wèn)候3主要內(nèi)容人工神經(jīng)網(wǎng)絡(luò)的發(fā)展過(guò)程人工神經(jīng)網(wǎng)絡(luò)的基本原理前饋式神經(jīng)網(wǎng)絡(luò)模型及經(jīng)典算法局部搜索訓(xùn)練算法人工神經(jīng)網(wǎng)絡(luò)是目前

2、國(guó)際上信息領(lǐng)域中迅速發(fā)展的前沿研究方向之一,具有廣泛的應(yīng)用前景。對(duì)它的研究已取得了很多豐碩的成果。神經(jīng)網(wǎng)絡(luò)系統(tǒng)是由大量簡(jiǎn)單的處理單元(即神經(jīng)元)廣泛連接而成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)。它反映了人腦功能的許多基本特性,但它并不完全是人腦神經(jīng)網(wǎng)絡(luò)系統(tǒng)的真實(shí)寫照,而只是對(duì)其作某種簡(jiǎn)化、抽象和模擬。神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史神經(jīng)網(wǎng)絡(luò)的研究已有50多年的歷史,它的發(fā)展道路是曲折的,幾經(jīng)興衰,目前已在許多領(lǐng)域得到了成功的應(yīng)用。人工神經(jīng)網(wǎng)絡(luò)的研究始于本世紀(jì)40年代。1943年,心理學(xué)家McCulloch和數(shù)學(xué)家Pitts合作,融合了生物物理學(xué)和數(shù)學(xué),提出了第一個(gè)神經(jīng)元計(jì)算模型—MP模型。這種單

3、個(gè)神經(jīng)元模型功能較弱,但連接而成的網(wǎng)絡(luò)記憶能力巨大。這種巨大的記憶能力存儲(chǔ)在網(wǎng)絡(luò)中足夠多的神經(jīng)元之間豐富的連接強(qiáng)度上。MP模型雖然簡(jiǎn)單,但它開(kāi)創(chuàng)了神經(jīng)網(wǎng)絡(luò)模型的理論研究,為各種神經(jīng)元模型及網(wǎng)絡(luò)模型的研究打下了基礎(chǔ)。1949年心理學(xué)家Hebb提出神經(jīng)元之間突觸聯(lián)系強(qiáng)度可變的假設(shè)。他認(rèn)為學(xué)習(xí)過(guò)程是在突觸上發(fā)生的,突觸的聯(lián)系強(qiáng)度隨其前后神經(jīng)元的活動(dòng)而變化。根據(jù)這一假說(shuō)提出了改變神經(jīng)元連接強(qiáng)度的Hebb規(guī)則。它對(duì)以后人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及算法都有很大影響。直到現(xiàn)在,Hebb的學(xué)習(xí)算法仍在不少人工神經(jīng)網(wǎng)絡(luò)中應(yīng)用。50年代末,Rosenblatt提出感知器模型,第一次把神經(jīng)

4、網(wǎng)絡(luò)的研究付諸工程實(shí)踐。這是一種學(xué)習(xí)和自組織的心理學(xué)模型,它基本上符合神經(jīng)生理學(xué)的知識(shí),模型的學(xué)習(xí)環(huán)境是有噪聲的,網(wǎng)絡(luò)構(gòu)造中存在隨機(jī)連接,這符合動(dòng)物學(xué)習(xí)的自然環(huán)境。這是第一個(gè)真正的人工神經(jīng)網(wǎng)絡(luò),他給出了兩層感知器的收斂定理。后來(lái)的一大類神經(jīng)網(wǎng)絡(luò)模型都是感知器模型的變形。60年代末,美國(guó)著名人工智能學(xué)者M(jìn)insky和Papart對(duì)Rosenblatt的工作進(jìn)行了深入的研究,寫了很有影響的《感知器》一書,指出感知器的處理能力有限,單層感知器只能作線性劃分,對(duì)于非線性或其他分類會(huì)遇到很大的困難。這時(shí)應(yīng)采用含有隱單元的多層神經(jīng)網(wǎng)絡(luò),但引入隱單元后找到一個(gè)有效的學(xué)習(xí)算法

5、非常困難,Minsky斷言這種感知器無(wú)科學(xué)研究?jī)r(jià)值可言,包括多層的也沒(méi)有什么意義。這個(gè)結(jié)論對(duì)當(dāng)時(shí)的神經(jīng)網(wǎng)絡(luò)研究無(wú)疑是一個(gè)沉重的打擊,客觀上對(duì)神經(jīng)網(wǎng)絡(luò)的研究起了一定的消極作用。同時(shí)當(dāng)時(shí)的微電子技術(shù)也無(wú)法為神經(jīng)網(wǎng)絡(luò)的研究提供有效的技術(shù)保障。故在其后的十幾年內(nèi),從事神經(jīng)網(wǎng)絡(luò)研究的人數(shù)及經(jīng)費(fèi)支持大大下降,神經(jīng)網(wǎng)絡(luò)研究處于低潮。然而在此期間,仍有為數(shù)不多的學(xué)者致力于神經(jīng)網(wǎng)絡(luò)的研究,1969年Grossberg等提出了自適應(yīng)共振理論模型。1972年Kohenen提出自組織映射的理論模型,并稱神經(jīng)網(wǎng)絡(luò)為聯(lián)想存貯器。所有這些理論為神經(jīng)網(wǎng)絡(luò)的進(jìn)一步發(fā)展奠定了理論基礎(chǔ)。1982年

6、,美國(guó)加州工程學(xué)院物理學(xué)家Hopfield提出了一個(gè)用于聯(lián)想記憶及優(yōu)化計(jì)算的新途徑—Hopfield模型,并于1984年進(jìn)行修改,提出了利用模擬電路的基礎(chǔ)元件構(gòu)成了人工神經(jīng)網(wǎng)絡(luò)的硬件原理模型,為實(shí)現(xiàn)硬件奠定了基礎(chǔ)。1985年Hopfield和Tank提出用神經(jīng)網(wǎng)絡(luò)解決優(yōu)化問(wèn)題。這一時(shí)期還有一個(gè)以Rumelhart和McClelland為首的并行分布處理(PDP)的研究小組,他們提出了多層網(wǎng)絡(luò)學(xué)習(xí)的誤差反向傳播學(xué)習(xí)算法(BP算法),解決了多層網(wǎng)絡(luò)的學(xué)習(xí)問(wèn)題,從實(shí)踐上證實(shí)了人工神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的學(xué)習(xí)能力,并不象Minsky等人預(yù)料的那樣弱,相反它可以完成許多學(xué)習(xí)任

7、務(wù),解決許多實(shí)際問(wèn)題,也因此推動(dòng)了前饋式神經(jīng)網(wǎng)絡(luò)的研究。BP算法目前已成為迄今為止應(yīng)用最普遍的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。人工神經(jīng)元的模型輸入函數(shù)輸入?yún)^(qū)的功能是將輸入信號(hào)b的各分量以一定的規(guī)則綜合成一個(gè)總輸入值p,不同的網(wǎng)絡(luò)和不同性質(zhì)的神經(jīng)元采用不同的綜合規(guī)則,綜合規(guī)則可以形式化為用某個(gè)輸入函數(shù)表示,最常用的輸入函數(shù)是“加權(quán)和”形式,如下所示:活化函數(shù)活化函數(shù)分為線性與非線性,最簡(jiǎn)單的線性活化函數(shù)就可以采用恒同函數(shù);而非線性活化函數(shù)中的常用函數(shù)即是Sigmoid函數(shù),具有這種活化功能的神經(jīng)元組成的神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的表達(dá)能力。a=g(p)=1/(1+exp(-cp))前饋

8、式神經(jīng)網(wǎng)絡(luò)各種神經(jīng)元以層狀方式組成前饋

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。