《物联网智能信息处理》课件第四章 物联网的智能信息处理-第三节.pptx
- 【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《《物联网智能信息处理》课件第四章 物联网的智能信息处理-第三节.pptx》由用户(momomo)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:
- 物联网智能信息处理 物联网智能信息处理课件第四章 物联网的智能信息处理-第三节 联网 智能 信息处理 课件 第四 三节
- 资源描述:
-
1、目录4123基于贝叶斯网络的神经网络法基于贝叶斯网络的神经网络法0信息融合技术信息融合技术粗糙集信息处理粗糙集信息处理5信息的跨系统交互信息的跨系统交互信息处理的定义与目标信息处理的定义与目标1 由中枢神经系统(脑和脊髓)及周围神经系统(感觉、运动、交感等)所构成的错综复杂的神经网络,最重要的是脑神经系统。4.3基于贝叶斯网络的神经网络法基于贝叶斯网络的神经网络法 4.3.1生物神经网络轴突树突突触细胞体神经末梢突触一个神经元的树突-细胞体轴突突触另一个神经元树突1.生物神经元2神经元工作状态神经元工作状态:兴奋状态:细胞膜电位高于动作电位的阈值时,产生神经冲动。抑制状态:细胞膜电位低于动作电
2、位的阈值时,无神经冲动产生。4.3.1生物神经网络 对不同时间通过同一突触传入的信息具有时间整合功能 对同一时间通过不同突触传入的信息具有空间整合功能时空整合能力 由于神经元结构的可塑性,突触的传递作用可增强和减弱,因此神经元具有学习与遗忘的功能。学习与遗忘1.生物神经元3 4.3.1生物神经网络2.生物神经网络 从信息系统研究的观点出发,对于人脑这个智能信息处理系统,有如下一些固有特征:(1)并行分布处理并行分布处理的工作模式。的工作模式。(2)神经系统的神经系统的可塑性和自组织可塑性和自组织性。性。(3)信息处理与信信息处理与信息存贮合二为一。息存贮合二为一。(4)信息处理的系信息处理的系
3、统性统性(5)能接受和处理能接受和处理模糊的、模拟的、模糊的、模拟的、随机的信息。随机的信息。(6)求满意解而不求满意解而不是精确解。是精确解。(7)系统的恰当退系统的恰当退化和冗余备份化和冗余备份(鲁鲁棒性和容错性棒性和容错性)。4.3.2 人工神经网络模型人工神经网络(Artificial Neural Networks,ANNs)是在结构和功能上对生物神经网络的某种程度的模拟和逼近。4v 直观理解 人工神经网络是一个并行并行和分布式分布式的信息处理网络结构。它一般由大量神经元组成:每个神经元只有一个输出,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
4、权系数。1.人工神经元5人工神经元是人工神经网络的基本处理单元。它对生物神经元的模拟主要考虑两个特性:时空加权,阈值作用。图中:是指神经元的输入;是指连接权值;是神经元的阈值;是神经元的净输入;是非线性函数;是神经元的输出。uwx)(xfy 4.3.2 人工神经网络模型6)(xf10 x0,11)(xexf在神经元模型中,作用函数除了单位阶跃函数之外,还有其它形式。不同的作用函数,可构成不同的神经元模型。阈值型S型线性型线性 饱和线性 对称饱和线性 4.3.2 人工神经网络模型1.人工神经元72.神经网络结构 若干个神经元通过相互连接就形成一个神经网络,这个神经网络的拓扑结构称为神经网络的互连
5、模式。互连模式。神经元模型、数量及互连模式确定了神经网络的结构,而神经神经元模型、数量及互连模式确定了神经网络的结构,而神经网络结构又决定了其信息处理的能力。网络结构又决定了其信息处理的能力。4.3.2 人工神经网络模型8根据神经元的拓扑结构形式不同,神经网络可分成以下两大类:(1)层次型神经网络层次型神经网络 4.3.2 人工神经网络模型2.神经网络结构普通前向网络普通前向网络神经元分层排列,顺序连接。每层的神经元只接受前一层神经元的输入。层内互联前向网络层内互联前向网络在同一层中的神经元相互有连接。可以实现同一层内神经元之间的横向抑制或兴奋机制。9(1)层次型神经网络层次型神经网络(2)互
6、连型神经网络互连型神经网络 4.3.2 人工神经网络模型2.神经网络结构带反馈的层次网络带反馈的层次网络每一个输入节点都有可能接受来自外部的输入和来自输出神经元的反馈。只在输出层到输入层存在反馈。任意两个神经元之间都可能有相互连接的关系。神经网络处在一种不断改变状态的动态过程中。根据神经网络的连接结构及功能特点可知,层次型神经网络根据神经网络的连接结构及功能特点可知,层次型神经网络主要用于函数映射,互连型神经网络主要用作各种联想存储主要用于函数映射,互连型神经网络主要用作各种联想存储器或用于求解最优化问题。器或用于求解最优化问题。103.神经网络工作过程 连接权值按照一定的学习规则进行自动调整
7、 目标是使性能函数达到最小学习期 各神经元的连接权值固定 网络输入信号计算出网络的输出结果工作期神经元的模神经元的模型结构型结构神经网络的神经网络的拓扑结构拓扑结构神经网络的神经网络的学习算法学习算法神经网络的输出性能主要取决于:4.3.2 人工神经网络模型114.神经网络学习方式网络的输出有一个评价的标准,网络将实际输出和评价标准进行比较,由其误差信号决定连接权值的调整。有监督学有监督学习算法习算法只需给出一组输入,网络能够逐渐演变到对输入的某种模式做出特定的反应。无监督学无监督学习算法习算法)(0ku)(1ku)(kun)(kyiNN)(kdi)(kei)(0ku)(1ku)(kun)(k
8、yiNN 4.3.2 人工神经网络模型可避免数据的分析工作和建模工作非编程自适应的信息处理方式完成复杂的输入与输出非线性映射信息存贮与处理合二为一5.神经网络特点自自适应性适应性容错性容错性并行处理并行处理自组织性自组织性层次性层次性联想记忆联想记忆可塑性可塑性n神经网络计算特点神经网络计算特点 4.3.2 人工神经网络模型12 4.3.3 BP神经网络13输入层输入层隐含层隐含层输出层输出层 误差后向传播(Back-Propagation)神经网络模型,是采用BP算法的多层感知器神经网络。它是目前使用最广泛一类神经网络模型。除输入,输出层外,还有一个或多个隐层。各层之间的神经元全互连,各层内
展开阅读全文