数学建模社区-数学中国

标题: 第一章:神经网络概述 [打印本页]

作者: 137368108    时间: 2011-8-20 15:52
标题: 第一章:神经网络概述
神经网络讲什么内容,讲计算模型,计算原理,工作原理,用途,实现方法。3 R4 {2 M' }+ Y2 s
1什么是神经网络( r( B" y- h- s2 d4 s: u! S8 H
1.        1神经网络与计算机
& m) o4 ]* v3 F# ?3 a1 n% p# L: ]4 U计算机:% m  Y  Q/ Y3 B* E/ m* Q8 Z2 a) g
        四代计算机
8 x3 N; b' ~$ A电子管,晶体管,集成电路,大规模集成电路。智能计算机是第5代,智能计算机不容易。速度提高快,智能不见怎么样。
! _; i' Q6 D; ]        计算机特点$ o2 ^3 s, q$ b# W0 m, T( ~
二进制,5部分组成模块,存储程序。结构看:核心部件是中央处理器。专门存储部件,输入输出部件。) I. G8 v# Q8 x2 `) n' j
        神经网络发展史
# h/ H+ r5 F) W; ]充满传奇色彩,讲故事。每次讲课都讲历史,过去那些出色成绩的故事,做出出色成绩的人的故事。+ d! i+ y3 }( \4 G% T0 [" d3 N8 E
(1)        神经网络来自人类对自己的研究,背景性研究起始于19世纪末,20世纪初。生物学家要搞清楚人或生命智能的道理。想办法解释自然现象,物理学。
' k: \/ n" O0 `: P2 x1 \/ z6 S(2)        现代方式的神经网络研究神经网络研究,1940年,两个科学家:Warren McCulloch, Walter Pitts, 给出人工神经网络模型。现在人们使用的就是他们抽象出的神经元模型。
) _2 ^/ e1 B( Z8 Q. A(3)        hebb规则,1949,生物神经元学习机制。神经元传递信息的原则,互相作用的原则。两个神经原同时兴奋,则两者的连接强度增强。
7 c4 [  a4 L  i# n(4)        1958年,rosenblatt真正造了一个神经网络,号称perceptron,感知器。! l9 L. L+ w( s& m
(5)        1960年,Bernard Widrow, Ted Hoff给出自适应线性神经网络,利用了widrow-hoff学习规则,应用于消除回声。真正应用,用于电话消除回声,很简单的元件。
9 X2 Y& x: @" W! T# ?  H(6)        1969年,minsky与**t的书批评了感知器与自适应线性神经网络,打击了神经网络发展。从此神经网络发展陷入低谷。这个时代是计算机发展飞速,同时带有很多神秘感的时代。很多东西未能搞清楚,很有用,很吸引人的时代。大家都来研究计算机的人工智能是很正常的。Minsky的书中举了一个例子,说神经网络不是万能的。$ Q! n7 [8 E" e' O. G& C- Y
(7)        科学发展需要冷静,1972年,Teuvo Kohonen与James Anderson发明自组织神经网络,Stephen Grossberg观察到自组织神经网络的许多新性质。有很多科学家在逆境中坚持神经网络研究,取得好成绩。我有时感觉在不是很热的环境下更能做出进展来。所以没有必要追求时髦。
4 l) d. k9 X  B- N$ W5 }3 \(8)        1960-1980计算机飞速发展,神经网络研究发展平静。计算机的研究发展遇到很多困难。1980年以后,神经网络又一次飞速发展,有点戏剧性。: {: k: D( V6 I3 W; Y1 Q
(9)        1982年Hopfield用统计机制解释神经网络,使人们对神经网络的认识前进了一大步。1986年BP学习算法,解决了minsky与**t的问题。David Rumelhart与James McClelland给出。Hopfield神经网络能解TSP问题,实现了一个神经网络解6个点的TSP问题。很神,后来实践证明也不能求精确解。
$ {  }; o' B9 q9 i  J(10)        1986年以后,大量的神经网络研究文章和研究项目,发现了很多神经网络的新性质和新应用。人工神经网络一定很有前途,现在缺乏真正的应用,用起来不方便。每个国家都投入很多资金研究神经网络。成果很多,神经网络也就真正成长为一门成熟的科学了。, [& ^. n7 D4 X9 `! ]
        神经网络特点
) z# I, Y: ~- I2 [) \) n5 p+ z! S未必二进制,没有明确的存储器,计算,控制分工模糊,没有控制程序,性能好,用起来不方便。不好控制,不好用。
4 o' Y* e( q2 T% E' P0 {& A1.        2神经网络应用& |9 r$ S8 a" E/ h( Y
领域:7 P4 V/ E5 O! n( C, s
空间技术:飞行器控制系统,飞行器元件仿真,飞行器元件错误探测器。举个例子,飞行器在飞行中判断什么是云彩,有没有风,风力多大。将飞行器飞行的环境数据采集以后训练神经网络,由神经网络控制飞行器前进速度,方向。
+ ^, h4 T% n( q+ A* T. eAutomotive:交通控制自动指示系统,红绿灯控制,摄像头照相看路上的车有多少,横穿马路人有多少,由此决定红灯还是绿灯,说着容易作着难。
, U9 Q- g1 |! s3 @2 P银行:信贷申请评估器。. s" d/ u. X  q1 C- `1 \
语音:语音识别,语音压缩,声调识别。现在主要的应用。
- j* b" j( x- ?! X5 Y' |机器人,Defense,Electronics, ebtertainment,Fiancial, Insurance, Manufacturing, Medical, Securities, Transportation。很多领域都用,想用就能用。3 w* \6 U1 P3 Q3 k& C7 ^# T! u
1.        3生物基础5 `% M) ?0 D2 N4 l. P, Z

1 f6 P5 I1 p# I神经纤维,传递信号,数字信号,二进制数。
. E* d3 r( r! i8 X" y9 D神经突触,数模转换。数字信号转换为模拟信号。
! ^! v" L1 X! h* X. }神经信号,二进制信号。
3 J5 {. s% k7 t! b7 d* ]时空整合,将一个时段内的各个模拟信息相加就成了。我开始看焦李成的书,看不懂,看公式,认为相加就是时空整合。
( ?; Y6 s7 \9 T1 T1 P5 W" g第二章:神经元模型与神经网络结构
) c' P" N2 w: _# \* ]; w本章介绍人工神经网络的数学模型,从神经元开始。
  ~3 G5 w; I, I1 ^9 f0 G  r* U1多输入神经元模型,
  G1 m4 ]  t$ Q* d$ m4 L
1 L6 _" Y9 }( O, m) ly=f()
4 ?2 E$ x! u6 c= =WTX-
4 R- l! @9 f4 D/ @) G8 PW=(w1,w2,…,wn)T" w) p/ g  |6 G4 g% ]; g6 y. r0 O
X=(x1,x2,…,xn)T。/ e0 Z' |( O  \8 v
解释:
! x& c. n$ j( l( y) q9 k4 k(1)神经元有两种状态,兴奋/抑制。
* L2 G: l4 ?; |! |% e" @, p(2)wi的含义:神经突触的作用,的含义,阈值。兴奋抑制。) `3 P3 S4 b( x
(3)时空整合,求和。数模转换后相加。什么是时空整合?笼统,不知道什么意思,暂且理解为求和。
4 C. r& Z" T6 W! i$ j/ j# ^作用函数:8 a& G5 N* ]+ f* k
(1)        hard limit4 q' n' C9 Y5 d9 x% [! F
f()= ,= . r8 I6 G4 ^3 M) E+ N& t9 O. X
" }' u/ J" f! I% o% k6 S5 t
(2)        symmetric hard limit
; O3 }3 T, h# T! a1 Pf()= ,=
2 K) h' H7 s+ L8 H 5 D+ L2 i9 X; D) t) d) ], A$ Q
(3)        linear. R+ c% s# ^, ?8 P' w7 O8 ?
f()=,= ,线性2 I, o- @' z) f/ U

4 J2 }- |) R( {+ C0 u: ~2 `% }(4)        saturating linear,
7 v9 [  V' E, f6 F0 Ff()= ,= / @- d2 Q4 o+ i8 g2 I. `
* g/ X4 d8 g! p) m; J: w) {
(5)        symmetric saturating linear6 ?9 h1 h8 }6 Y# x" }
f()= ,=   o3 e( ]% u" R$ K4 _8 a. J6 `
" M  m, p' N, F* [
(6)        log-sigmoid8 B4 K5 I* W  G3 \! [/ K. n' t" M0 D
f()= ,=
( o& q# X7 b* A$ U(7)        hyperbolic tangent sigmoid
' Q0 U: B/ {* c2 h5 Z5 ^) _4 ff()= ,=   d5 v9 C& F: I! i1 G$ m) G* \
(8)        positive linear
' _* _5 W# _  ]0 d: Gf()= ,=
/ @% f" F7 Q9 H, m* N$ y7 [! j4 y2神经网络结构3 i8 x* H2 j/ F$ v4 D. l
(1)        前馈网络; {" v5 Q5 N7 r) F
3 ]  }7 `6 D) ~0 B
(2)        反馈网络
4 R1 ?: E9 M9 I! u* d* H 9 r( Q* |/ C/ |( J7 i: P8 q$ q2 C
(3)        Recurrent神经网络; A! k4 a1 q- a
8 X* p8 a" w  _) A/ C. @/ z
(4)        单层前馈神经网络' z5 I7 w1 ~9 E" r3 i1 ~9 u
问题:
' W3 ^( e: F; w8 h; ^(1)每层有多少个神经元,每个神经元采用什么传递函数,每个连接的权值是多少?
0 x3 \9 r, L* M9 v! d(2)针对问题,确定神经网络,即为学习。
+ i# |0 S0 c" r8 m(3)用作记忆,具有联想能力的记忆函数,象人一样,识别字母,a, b, c, d, e, f, g, …, x, y, z.$ [8 w3 W/ C% G& l% S
还有其他种类的神经网络,等讲到时再说。! ]) d9 V1 b0 Q
3神经网络学习规则
6 a  E/ `/ r3 R2 q. J& t自己看,以后慢慢理解。
6 X8 A, ^+ n8 M4 e7 d4应用实例
4 o9 K6 G1 H9 Q/ M) c 2 q' ~; a! p& ]) |! }
解采用hard-limit函数神经元$ ~( A& o% F5 S

3 l' b8 {( M- G' m& Z' `* b: X+ B6 b/ K. ~, @

作者: caibingyuan    时间: 2011-8-28 20:30
我狂晕!!!体力去了怎么又下不了!!!
作者: 怀空    时间: 2011-9-2 20:55
看看。。。。。。
作者: huaxiao6160    时间: 2011-12-27 17:16
神经这个东西不好学,看了半天看不懂
作者: 平平凡凡的我    时间: 2011-12-30 19:30
对我来说是比较高深的内容,还需要入门呀。
作者: 凌星    时间: 2012-1-15 09:16
kanqilaitingnande
作者: 你好漂亮    时间: 2012-1-18 18:55
..........
作者: Lovely君    时间: 2012-1-19 11:56
看不懂啊
作者: 凼凼    时间: 2012-1-19 17:17
这个东西怎么用,用得范围是什么,用来干什么
作者: gucci_purple    时间: 2013-1-6 17:05
顶顶啊啊~~
作者: lingxin179    时间: 2015-9-5 16:27
谢谢楼主分享
5 d7 \) C; E$ M8 n6 z6 o




欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5