人工神经网络原理、应用课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《人工神经网络原理、应用课件.ppt》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工 神经网络 原理 应用 课件
- 资源描述:
-
1、人工神经网络原理、应用及发展趋势王永骥华中科技大学控制系研究生论坛讲座22022-9-27纲要1.人工神经网络原理2.人工神经网络优势3.人工神经网络的应用4.人工神经网络研究趋势5.结束语研究生论坛讲座32022-9-271.人工神经网络原理人之所以有智能,是因为大脑中存在一个1000亿个神经元构成的生物神经网络;生物神经网络十分复杂,具有高度智能;人们力图抓住主要特点,构成人工神经网络,形成具有一定智能能力的信息处理工具。研究生论坛讲座42022-9-271.1 神经系统 的复杂性研究生论坛讲座52022-9-27研究生论坛讲座62022-9-27研究生论坛讲座72022-9-27研究生论
2、坛讲座82022-9-27研究生论坛讲座92022-9-27研究生论坛讲座102022-9-27研究生论坛讲座112022-9-27What are(artificial)neural networks?It is a network with interactions,in attempt to mimicking the brain UNITs:artificial neuron(linear or nonlinear input-output unit),small numbers,a few hundreds INTERACTIONs:simply by weights,how str
3、ong a neuron affects others STRUCTUREs:could be feedforward,feedback or recurrent It is still far too naive,and the development of the field relies on all of us研究生论坛讲座122022-9-27 1.1.2 生物神经元人的大脑由人的大脑由1012个神经元构成,神经元互相连个神经元构成,神经元互相连接成神经网络接成神经网络神经元组成:细胞体为主体1873年,意大利 Cajai 银渗透法 发现Golgi 体神经元功能:刺激、兴奋、传导、效
4、应 形状图 突触传递信息特点研究生论坛讲座132022-9-27神经元示意图研究生论坛讲座142022-9-27突触传递信息特点(1)时延性:(0.31ms)(2)综合性:时间与空间的累加(3)类型:兴奋与抑制(4)脉冲与电位转换:(D/A功能)(5)速度:1150m/s(6)不应期(死区):35ms(7)不可逆性(单向)(8)可塑性:强度可变,有学习功能 脉冲 研究生论坛讲座152022-9-27 1.1.3 人脑神经网络n脑神经系统主要组成部分n大脑皮层由许多功能区组成大脑皮层由许多功能区组成(运动、听觉、视觉等)神经元群 其区域性结构其区域性结构:遗传 其功能其功能:后天对环境的适应于学
5、习得来 (自组织特性Self-Organization)子功能模块的并行关系子功能模块的并行关系 a)大脑处理信息的特点 b)生物学研究成果 研究生论坛讲座162022-9-27 a)大脑处理信息的特点 n分布存储与冗余性:记忆在大量元中,每个元存在许多信息的部分内容,信息在神经网络中的记忆反映在神经元间的突触连接强度上(weights);n并行处理:NN既是处理器又是存储器(并行处理不同于并行机);n信息处理与存储合一:每个元兼有二者功能;n可塑性与自组织性:可塑性是学习记忆的基础;n鲁棒性:高连接度导致一定的误差和噪声不会使网络性能恶化。是智能演化的重要因素。研究生论坛讲座172022-9
6、-27b)BNN研究成果H-H方程 英 A.L.Hodgkin与A.F.Huxley 长枪乌贼鱼电器特性 得到四个变量的非线性微分方程,获Nobel生物医学奖 许多NL问题可用此解释 e.g.自激振荡 chaos.多重稳定性等研究生论坛讲座182022-9-27HH方程式中,I为膜电流,V为膜电位相对于静息膜电位Er的变化,VK,VNa,Vl分别为钾离子、钠离子和氯离子与其他离子形成的相对电位。CM为单位面积的膜电容,gk,gNa,gl 分别为钾离子、钠离子通道和漏电流通道的电导。43KKNaNa()()()MlldVICg n V Vg mhV Vg V Vdt研究生论坛讲座192022-9
7、-271.2 人工神经网络n研究大脑的目的:a)揭示功能造福人类 b)构造ANN用于工程及其他领域n(生物神经网络的模型化:ANN)BNN modeling ANN ANN非BNN模型,而是对结构及功能大大简化后保留主要特性的某种抽象与模型。研究生论坛讲座202022-9-27神经网络直观理解神经网络是一个并行和分布式的信息处理网络结构,它一般由许多个神经元组成,每个神经元只有一个输出,它可以连接到很多其他的神经元,每个神经元输入有多个连接通道,每个连接通道对应于一个连接权系数。研究生论坛讲座212022-9-27人工神经网络内容1.2.1 人工神经元模型 (Artificial Neuron
8、 model)1.2.2 人工神经网络的构成 (structure of ANN)1.2.3 人工神经网络的学习 (learning or training of ANN)研究生论坛讲座222022-9-271.2.1 人工神经元模型 BNN 信息传递过程 为 MISO 系统,信号为脉冲,当脉冲到达突触前膜时,前膜释放化学物质,结果在突触后产生突触后电位,其大小与脉冲密度有关(时间总合效应)。各通道都对电位产生影响(空间总合效应)。研究生论坛讲座232022-9-27神经元模型(1)n神经元是人工神经网络的基本处理单元,它一般是一个多输入/多输出的非线性元件。神经元输出除受输入信号的影响之外,
9、同时也受到神经元内部其他因素的影响,所以在人工神经元的建模中,常常还加有一个额外输入信号,称为偏差(bais),有时也称为阀值或门限值。研究生论坛讲座242022-9-27神经元模型(2)n。研究生论坛讲座252022-9-27抽象可得数学表达式:wi 数值(weights)b 阀值(threshold)f(s)用函数(activated transfer function)1Riiisw xb()yf s研究生论坛讲座262022-9-27几种常用的作用函数(1)、阀值型(硬限制型)(2)、线性型(3)、S型函数(Sigmoid)(4)、辐射基函数研究生论坛讲座272022-9-27(1)、
10、阀值型(硬限制型)0*0 0*1 )*(bPWbPWbPWfA生物学背景:神经细胞的兴奋与抑制;单极性研究生论坛讲座282022-9-270*1 0*1 )*(bPWbPWbPWfA生物学背景:神经细胞的兴奋与抑制:双极性研究生论坛讲座292022-9-27(2)、线性型a)全线性 n bPWbPWfA*)*(生物学背景:神经细胞的比例作用(全方位)研究生论坛讲座302022-9-27b)正线性0*n 0*0 )*(bPWbPWbPWfA生物学背景:神经细胞的线性比例作用(单方向)研究生论坛讲座312022-9-27(3)、S型函数(Sigmoid)a)对数正切 y=1/(e-n+1)生物学背
11、景:神经细胞的非线性比例作用(单向)研究生论坛讲座322022-9-27b)双曲正切 y=tanh(n)生物学背景:神经细胞的非线性比例作用(全方位)研究生论坛讲座332022-9-27(4)辐射基函数a)高斯函数生物学背景:视觉,听觉等类神经细胞的区域性非线性用研究生论坛讲座342022-9-27b)三角波函数生物学背景:视觉,听觉等类神经细胞的区域性非线性用的线性近似研究生论坛讲座352022-9-271.2.2 人工神经网络的构成n基本模型n连接的几种基本形式n前向网络(feed-forward Networks)n回归网络(recurrent Networks)n互联网络(全互连与局部
12、互连)n也可是以上几种形式的组合研究生论坛讲座362022-9-27人工神经网络种类1).前馈型 感知器、线性网络(ADALINE),BP网络 RBF 网络,2).反馈型 Hopfield 网络3).竞争型 ART,SOFM等研究生论坛讲座372022-9-27前向网络n结构图研究生论坛讲座382022-9-27前向网络特点 1).神经元分层排列,可又多层 2).层间无连接 3).方向由入到出 感知网络(perceptron即为此)应用最为广泛n 研究生论坛讲座392022-9-27回归网络全反馈结构图研究生论坛讲座402022-9-27Inner RNN结构图研究生论坛讲座412022-9-
13、27回归网络特点nOutput 与 Input相连(全反馈)特点:1.内部前向 2.输出反馈到输入 例:Fukushima网络nInner recurrent 特点:层间元互相连接研究生论坛讲座422022-9-27互联网络n结构图 研究生论坛讲座432022-9-27互联网络特点n每个元都与其它元相连 例:Hopfield Boltzmann机 研究生论坛讲座442022-9-271.2.3人工神经网络的学习 ANN研究中的核心问题 How to determine the weights(加权系数)n学习规则简介 研究生论坛讲座452022-9-27关于学习问题学习:实例学习 举一反三的能
14、力机器学习:从数据中归纳出规律,进行预测或者对其性质作出判断神经网络启发式学习支持向量机-统计学习理论研究生论坛讲座462022-9-27学习规则1)直接设计计算 e.g.Hopfield 作优化计算2)学习得到,即通过训练(training)研究生论坛讲座472022-9-27常用学习规则a)Hebb学习 D.Hebb1949年提出:两元同时兴奋,则突触连接加强b)学习规则 误差校正规则 梯度方法 (BP即为其中一种)jiijijjijijFyy 研究生论坛讲座482022-9-27c)相近学习规则 使 ART SOFM 自组织竞争用此规则ijiijiij研究生论坛讲座492022-9-27
15、BP网络模型BP网络模型如图2.4所示:.输入层隐含层输出层图2.4 多层前向神经网络结构.研究生论坛讲座502022-9-27Matlab形式Nnd11nf.m 描述输出与加权系数的关系nndemos(chap11 demo1)network function研究生论坛讲座512022-9-27BP学习算法(加权值的修改方法 2121kikiikikiijijjiijwabwpbl 研究生论坛讲座522022-9-27BP网络训练的几种模式1)批处理模式(batch mode)训练过程以所有样本为一个epoch。训练时计算出所有样本的整体误差后,加权系数才调整。matlab 函数 train
16、b,非直接调用,用net.trainFcn说明即,每一次输入样本j时,计算该样本j对应的误差ej和相应的权值修正量 dwj,但不进行权值修改,而是等到全部样本输入完毕后,计算所有样本累计对应的权值修正量,dw(k)=dwj 进行一次权值修正。本方法适用于离线计算。研究生论坛讲座532022-9-272)模式学习模式(pattern mode)训练过程输入一个样本,计算学习误差,调整加权系数。matlab 函数 trainc,trains,trainr非直接调用,用net.trainFcn 说明即。每一次计算得到的dwj都应用来修正加权值,下一次输入样本到网络时,利用新修正的加权值计算网络输出。
17、模式学习适用于在线(自适应)修正权值。研究生论坛讲座542022-9-27BP算法的改进 BP算法改进的主要目标是为了加快训练速度,避免陷入局部极小值和改善其它能力。(1)带动量因子算法;(2)自适应学习速率;(3)高阶学习算法;(4)改变性能指标函数 研究生论坛讲座552022-9-272022-9-27神经网络原理与应用55RBF网络的Matlab 形式研究生论坛讲座562022-9-27RBF网络的学习n中心和宽度:随机选择或优化学习n输出权矩阵:反向传播或者最小二乘方法学习研究生论坛讲座572022-9-272.人工神经网络优势 任何精度逼近任意连接非线性函数(NL系统的统一描述)对复
展开阅读全文