展会信息港展会大全

1.1.2 神经网络结构及功能
来源:互联网   发布日期:2011-09-16 09:14:35   浏览:18521次  

导读: Hopfield网络是最典型的反馈网络模型,它是目前人们研究得最多的模型之一。Hopfield网络是由相同的神经元构成的单层,并且不具学习功能的自联想网络。它需要对称连接。这个网络习以完成制约优化和联想记忆等功能。 BP网络是反向传播(Back Propagation)网络。...

Hopfield网络是最典型的反馈网络模型,它是目前人们研究得最多的模型之一。Hopfield网络是由相同的神经元构成的单层,并且不具学习功能的自联想网络。它需要对称连接。这个网络习以完成制约优化和联想记忆等功能。

BP网络是反向传播(Back Propagation)网络。它是一种多层前向网络,采用最小均方差学习方式。这是一种最广泛应用的网络。它可用于语言综合,识别和自适应控制等用途。BP网路需有教师训练。

Kohonen网络是典型的自组织神经网络,这种网络也称为自组织特征映射网络SOM。它的输入层是单层单维神经元;而输出层是二维的神经元,神经元之间存在以“墨西哥帽”形式进行侧向交互的作用。因而,在输出层中,神经元之间有近扬远抑的反馈特性;从而使Kohonen网络可以作为模式特征的检测器。

ART网络也是一种自组织网络模型。这是一种无教师学习网络。它能够较好地协调适应性,稳定性和复杂性的要求。在ART网络中,通常需要两个功能互补的子系统相互作用.这两个子系统称注意子系统和取向子系统。ART网络主要用于模式识别,它不足之处是在于对转换、失真和规模变化较敏感。

3.神经网络的学习规则

神经网络的学习规则可以粗略分成3类,这些类别分别如下:

第一类学习规则称相关学习规则。这种规则只根据连接间的激活水平改变权系数。

常用于自联想网络,如Hopfield网络。

第二类学习规则称纠错学习规则。这种规则根据输出节点的外部反馈改变权系数。在方法上它和梯度下降法等效,按局部改善最大的方向一步步进行优化,从而最终找到全局优化值。感知器学习就采用这种纠错学习规则.例如BP算法。用于统计性算法的模拟退火算法也属于这种学习规则。


第三类学习规则称无教师学习规则。它是一种对输入测检进行自适应的学习规则。

ART网络的自组织学习算法即属于这一类。

二、神经网络信息处理的数学过程

神经网络信息处理可以用数学过程来说明,这个过程可分为两个阶段;执行阶段和学习阶段。下面以前向网络情况说明这两个阶段。

赞助本站

人工智能实验室

相关热词: 1.1.2 网络 结构 功能

AiLab云推荐
展开

热门栏目HotCates

Copyright © 2010-2024 AiLab Team. 人工智能实验室 版权所有    关于我们 | 联系我们 | 广告服务 | 公司动态 | 免责声明 | 隐私条款 | 工作机会 | 展会港