【人工智能
《【人工智能_人工智能导论课件】第8章人工神经网络及其应用导论.ppt》由会员分享，可在线阅读，更多相关《【人工智能_人工智能导论课件】第8章人工神经网络及其应用导论.ppt（95页珍藏版）》请在悦读文库上搜索。
1、第8章人工神经网络及其应用,教材：王万良人工智能导论（第3版）高等教育出版社,第8章人工神经网络及其应用,人工神经网络是对人脑或生物神经网络若干基本特性的抽象和模拟。为机器学习等许多问题的研究提供了一条新的思路，目前已经在模式识别、机器视觉、联想记忆、自动控制、信号处理、软测量、决策分析、智能计算、组合优化问题求解、数据挖掘等方面获得成功应用。本章着重介绍最基本、最典型、应用最广泛的BP神经网络和Hopfield神经网络及其在模式识别、联想记忆、软测量、智能计算、组合优化问题求解等方面的应用,2,第8章人工神经网络及其应用,神经网络（neuralnetworks，NN,生物神
2、经网络(naturalneuralnetwork,NNN):由中枢神经系统（脑和脊髓）及周围神经系统（感觉神经、运动神经等）所构成的错综复杂的神经网络，其中最重要的是脑神经系统。人工神经网络(artificialneuralnetworks,ANN):模拟人脑神经系统的结构和功能，运用大量简单处理单元经广泛连接而组成的人工网络系统,神经网络方法：隐式的知识表示方法,3,第8章人工神经网络及其应用,8.1神经元与神经网络8.2BP神经网络及其学习算法8.3BP神经网络的应用8.4Hopfield神经网络及其改进8.5Hopfield神经网络的应用,4,第
3、8章人工神经网络及其应用,8.1神经元与神经网络8.2BP神经网络及其学习算法8.3BP神经网络的应用8.4Hopfield神经网络及其改进8.5Hopfield神经网络的应用,5,8.1神经元与神经网络,8.1.1生物神经元的结构8.1.2神经元数学模型8.1.3神经网络结构与工作方式,6,8.1.1生物神经元的结构,人脑由一千多亿（1011亿1014亿）个神经细胞（神经元）交织在一起的网状结构组成，其中大脑皮层约140亿个神经元，小脑皮层约1000亿个神经元。神经元约有1000种类型，每个神经元大约与103104个其他神经元相连接，形成极为错综复杂
4、而又灵活多变的神经网络。人的智能行为就是由如此高度复杂的组织产生的。浩瀚的宇宙中，也许只有包含数千忆颗星球的银河系的复杂性能够与大脑相比,7,8.1.1生物神经元的结构,输入,输出,神经冲动,生物神经元结构,8,8.1.1生物神经元的结构,工作状态：兴奋状态：细胞膜电位动作电位的阈值神经冲动抑制状态：细胞膜电位动作电位的阈值学习与遗忘：由于神经元结构的可塑性，突触的传递作用可增强和减弱,9,8.1神经元与神经网络,8.1.1生物神经元的结构8.1.2神经元数学模型8.1.3神经网络的结构与工作方式,10,8.1.2神经元数学模型,1943年，麦克洛奇和皮兹提出M
5、P模型。一般模型,11,8.1.2神经元数学模型,第个神经元的输出。：第个神经元的阈值。：外部输入。：权值,加权求和：其矩阵形式,12,线性环节的传递函数：：1；；；及其组合等,8.1.2神经元数学模型,13,8.1.2神经元数学模型,非线性激励函数（传输函数、输出变换函数,硬极限函数或阶跃函数,对称硬极限函数,14,8.1.2神经元数学模型,非线性激励函数（传输函数、输出变换函数,对数-S形函数或S型函数,双曲正切S形函数,15,8.1.2神经元数学模型,工作过程:从各输入端接收输入信号uj(j=1,2,,n)根据连接权值求出所有输入的
6、加权和用非线性激励函数进行转换，得到输出,16,8.1.2神经元数学模型,17,8.1神经元与神经网络,8.1.1生物神经元的结构8.1.2神经元的数学模型8.1.3神经网络的结构与工作方式,18,8.1.3神经网络的结构与工作方式,决定人工神经网络性能的三大要素,神经元的特性。神经元之间相互连接的形式拓扑结构。为适应环境而改善性能的学习规则,19,1.神经网络的结构（1）前馈型（前向型,8.1.3神经网络的结构与工作方式,20,1.神经网络的结构（2）反馈型,Hopfield神经网络,8.1.3神经网络的结构与工作方式,21,2.神经网络的工作方式,同步（并行）方式：任一时刻神经网络中所有神经元同时调整状态。异步（串行）方式：任一时刻只有一个神经元调整状态，而其它神经元的状态保持不变,8.1.3神经网络的结构与工作方式,22,第8章人工神经网络及其应用,8.1神经元与神经网络8.2BP神经网络及其学习算法8.3BP神经网络的应用8.4Hopfield神经网络及其改进8.5Hopfield神经网络的应用,23,8.2B