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。
, m/ @6 F' K* ^' u
1什么是神经网络
2 b# y0 L4 N- z. G6 x
1. 1神经网络与计算机
+ | y ~0 ]: X+ W+ q/ l
计算机:
# B4 p# k6 u" B5 i6 @
四代计算机
+ R2 v. v! @7 Q' L! j
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。
7 _ [' l# j0 L: O7 Z
计算机特点
5 K- @* ?# h: H* {* a
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。
' U2 _8 Z1 b) e
神经网络发展史
3 v- b( H m6 ~: M
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。
7 p2 W- ~1 k# S
(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。
+ B1 Z" J+ Y& Q) ]: b. n# I
(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。
$ m. y9 r. |; ?: c" m3 r
(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。
& n4 M) y- i8 ]/ P
(4) 1958年,rosenblatt真正造了一个神经网络,号称perceptron,感知器。
/ o% D% @: h7 p W6 }( S/ l
(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。
, X2 l$ o& ]" Z2 V# n+ Y
(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。
6 \: R. Z4 ^, E) Z
(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。
9 f: d" x2 [8 I3 `6 C% F1 O
(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。
* ?5 m+ p/ ^! e1 R1 Z
(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。
4 f9 c3 n- J- H4 V4 Y" g
(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。
0 _6 y9 z8 k, c7 b
神经网络特点
/ M3 h" l' O; I4 `/ e2 @0 I7 a
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。
8 c' D' U+ w3 A- ~
1. 2神经网络应用
5 d/ x4 T( r9 n
领域:
) l F/ e9 T9 o5 q% |, z& d
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。
& c$ n5 O: s) D6 o' k
Automotive: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。
. E0 _6 ^# J* g' J0 _ T4 a! s
银行:信贷申请评估器。
" |, X7 t! k) x+ O
语音:语音识别,语音压缩,声调识别。现在主要的应用。
7 \6 K3 z+ {9 u
机器人,Defense,Electronics, ebtertainment,Fiancial, Insurance, Manufacturing, Medical, Securities, Transportation。很多领域都用,想用就能用。
* e) q8 c/ Y* W5 K
1. 3生物基础
$ m6 }& H6 Z: ?( I
4 x: V1 ^9 Q5 T( `, l' n, F$ l# [
神经纤维,传递信号,数字信号,二进制数。
) g. F m" \* l: X# h" X8 |7 [
神经突触,数模转换。数字信号转换为模拟信号。
1 G$ D! _4 m; g
神经信号,二进制信号。
5 C7 R- ~; T: ]8 G4 J2 P# Y
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。
" \3 d. x+ ~* M+ T* e: d" J3 L' x' U
第二章:神经元模型与神经网络结构
" |" k1 }6 w+ {, T6 x6 _2 c
本章介绍人工神经网络的数学模型,从神经元开始。
5 g( k5 e6 v! L. o1 l
1多输入神经元模型,
/ c N, l8 C- R6 h
! a6 u( ]. M9 Q) {( b" R# b/ V8 B
y=f()
6 Q" C9 j$ Y. b$ H2 Y7 F5 g4 m
= =WTX-
7 I+ p: \% R2 x) H8 l
W=(w1,w2,…,wn)T
: z: s% r+ p+ G
X=(x1,x2,…,xn)T。
+ N' Y+ z1 Q7 F- R" A
解释:
8 P4 F2 Z; o" u8 {% c9 V m. T
(1)神经元有两种状态,兴奋/抑制。
. U) ?' L2 y' Q$ C
(2)wi的含义:神经突触的作用,的含义,阈值。兴奋抑制。
; d j% s' [0 m! a+ ~
(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。
: ?+ u# z( \" l+ x3 y
作用函数:
- U* ]6 @3 e {/ e2 j" [
(1) hard limit
( k0 O3 E4 e9 q( O. B
f()= ,=
. s* B6 f! p1 c2 f. [
# ~! D# K2 R' ], K
(2) symmetric hard limit
' O' V- [% F. ?- Z
f()= ,=
/ k2 A% D: j: t6 u7 G
3 P5 u# e2 b3 B; y6 b
(3) linear
8 a1 h8 D$ q$ @! v
f()=,= ,线性
8 b& G. k+ W" g- n9 y! a& b
' {. _$ E6 Q$ b/ m, p: z
(4) saturating linear,
0 n& @( M6 B, N0 }5 s2 r
f()= ,=
- l; p0 [; s q: [
6 W% G* ^9 b8 L* W
(5) symmetric saturating linear
: M+ W, h, @( ^4 n
f()= ,=
; k/ \! r, V# O2 R4 A
# a; Z) ~2 i$ i: k, Q
(6) log-sigmoid
3 D; I% l4 _+ P
f()= ,=
6 X1 X+ E5 R* Z7 K. E
(7) hyperbolic tangent sigmoid
8 b9 u6 |' J' @
f()= ,=
1 r* `! w4 M6 F
(8) positive linear
) |4 o; M' M2 @) m6 H+ ^' O
f()= ,=
) ?4 E. R- u! W' u
2神经网络结构
" Q: Q! d3 w6 |; v# D
(1) 前馈网络
$ d7 e; R9 ], m. Z. @: b
Q! s: z) P+ D% F& u8 K$ }! |+ g
(2) 反馈网络
3 {/ V+ R; o+ w& Y1 ]6 ]
7 [( ?5 T' K# Q( a* }
(3) Recurrent神经网络
0 S7 c7 I0 n7 o- O" h
8 n( N. V8 y5 v5 ?# F% w7 v
(4) 单层前馈神经网络
" T3 Y' w( x4 g0 O9 P8 m; f
问题:
2 c# o p2 v. c& i
(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?
' t) p0 P7 k" p' K! ?
(2)针对问题,确定神经网络,即为学习。
. P6 i' y+ N# u- q
(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.
# E: D3 G/ X" T2 `. m% u
还有其他种类的神经网络,等讲到时再说。
/ X6 t$ |9 L2 `3 f* i
3神经网络学习规则
2 d0 @6 I0 x9 Q
自己看,以后慢慢理解。
- H r$ l' e2 F8 a, \
4应用实例
( ~7 }8 b7 Q3 @) I
5 q q7 t( M! B0 [+ C
解采用hard-limit函数神经元
& v; R# a6 c' ?" |, B
) j+ ^# c# t2 d2 R$ p; c, G8 i8 X
% X- `2 K6 {( Y$ x) q% P9 A# C- N( ]
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
# Y8 _9 j( p$ P% d
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5