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。
! C! @0 ]7 g* p. ]. E8 s9 i5 y
1什么是神经网络
/ n* |. _3 u+ A# D
1. 1神经网络与计算机
$ f* M6 u$ u G! d) [
计算机:
3 f9 W- ?! ]( D0 s! f/ D' N
四代计算机
, i! [8 p1 p5 p9 ^
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。
+ ~' l) G3 N" A r) P
计算机特点
0 ^: s/ t6 z/ w
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。
2 N1 j4 r2 ?" m) f3 p9 [: m
神经网络发展史
0 ^/ ]& U* D1 m4 H8 Z q& d
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。
4 M9 x+ w9 @* C3 r: K& t
(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。
; P( M% `; k- J O' ^4 n/ N( M8 g
(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。
5 a/ G5 r/ D. |1 P1 x/ g: @" m
(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。
$ e. E1 `0 s3 s* |7 X* e! P
(4) 1958年,rosenblatt真正造了一个神经网络,号称perceptron,感知器。
0 _7 ]9 p3 j1 e" E! {+ [
(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。
$ y2 t) z- p) l. a4 I3 _
(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。
& |- w8 Y- R' [ `6 A. U
(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。
! m, B, Y) q2 j/ N( X
(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。
2 Y2 y' ^' h Y$ A7 l {+ c
(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。
2 `+ G0 h9 Y+ U J7 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。
) T- x1 H( b% `
神经网络特点
; ~" f4 i/ y; Q5 Z+ l
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 c7 p8 j- d8 L$ a1 h
1. 2神经网络应用
0 h+ A% [6 R( S* S
领域:
$ O* J( x& |. B/ {; K9 B
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。
( @6 u; n5 d9 Y, w
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。
- S0 M$ _9 B2 R# T E
银行:信贷申请评估器。
9 U& u# N: Q, q* S# k% E
语音:语音识别,语音压缩,声调识别。现在主要的应用。
+ l( ?9 D/ _2 R$ j1 N; h4 `+ c
机器人,Defense,Electronics, ebtertainment,Fiancial, Insurance, Manufacturing, Medical, Securities, Transportation。很多领域都用,想用就能用。
, i; f) V- c$ O
1. 3生物基础
$ p' B" K: o) K a* X* S/ o
: a" g$ E3 I: Z* v \0 ?* [; B6 Z( E
神经纤维,传递信号,数字信号,二进制数。
! w5 C8 Y' ?% d1 p5 J' `7 E2 C
神经突触,数模转换。数字信号转换为模拟信号。
5 [0 I+ ]0 y$ b. X
神经信号,二进制信号。
$ L" Y0 a4 r& q, I5 s$ w, `" {- E
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。
k& O: Z4 @- N2 D" _' _$ q$ W
第二章:神经元模型与神经网络结构
7 |) x5 U: v0 A
本章介绍人工神经网络的数学模型,从神经元开始。
! I: Y1 H* ~9 K& L$ w. d
1多输入神经元模型,
& G/ o) W6 P# Z( n0 m0 s' V( A
: W0 B9 a/ s' f1 S* R1 L
y=f()
" n: |8 O0 X8 H) {3 {5 O
= =WTX-
( n$ y+ `* b& G$ O! j6 G( u
W=(w1,w2,…,wn)T
6 j _( x9 @7 o8 c2 t
X=(x1,x2,…,xn)T。
5 g. i# b- _2 Z& i: m
解释:
! {$ _9 S# N+ o6 z; V
(1)神经元有两种状态,兴奋/抑制。
9 s* p: M2 Q+ \0 \9 P" N1 C: @( R
(2)wi的含义:神经突触的作用,的含义,阈值。兴奋抑制。
0 H- H0 n$ g; s4 B9 `/ x. J8 B
(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。
# G9 H* J; r# U
作用函数:
* t# V- c4 G. a- Z S: ^
(1) hard limit
8 c1 Y/ J$ X$ y
f()= ,=
4 Y5 `+ h c+ u3 X
: i' N4 n# O+ H7 ~3 n7 A5 ]
(2) symmetric hard limit
9 Y* ~6 n1 Z$ R& j! @! v$ T- x
f()= ,=
6 f8 X5 f1 ]. M5 i0 j& b
4 R4 Y8 i* O+ h5 s9 C w9 q
(3) linear
. Q; i. x! R3 H* d# R- _
f()=,= ,线性
Y! h$ \7 A/ ~2 ^2 }, x1 E
3 V. Y3 B5 ~- c$ r7 d( U4 j
(4) saturating linear,
& M7 ?/ D# \' D& G
f()= ,=
W8 o5 P2 M+ K
4 D: ?# A5 r) o5 H% s) N6 U+ Z
(5) symmetric saturating linear
, P+ z. ^- V8 Q7 I- y6 I' q
f()= ,=
1 I$ r, d, q+ m" c6 J7 n8 C0 G
( O' ?6 {6 G6 X. b! l: D1 u/ n- U
(6) log-sigmoid
" k1 Y! B* \9 Q$ U( W+ {
f()= ,=
; c0 H; ?$ }5 f( R9 ~# Y8 P1 {
(7) hyperbolic tangent sigmoid
$ b M1 f! F" t2 S" s" K
f()= ,=
- R3 F, M5 {# l& f2 L
(8) positive linear
v! _. ?2 v; A8 ]3 k% @
f()= ,=
; J8 m+ `: l @1 J
2神经网络结构
$ E' ?9 Y8 Y& P1 I; V- q
(1) 前馈网络
. Q! V3 {- ~% j! b6 m
5 g% d! a( X' a; `. \+ O
(2) 反馈网络
( [% x/ j) }' a+ O* _
: ]& D7 j7 x4 r
(3) Recurrent神经网络
5 F' r3 V1 e. g% F, @2 c5 s6 _
& p) H& U5 e! E- {+ z$ \
(4) 单层前馈神经网络
. X! v. Y1 ^" K0 r" U) n
问题:
/ ^2 q& G" J0 v8 j4 |4 `; _* R+ q
(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?
% o; @7 e( @7 v/ y$ p! M0 |' f
(2)针对问题,确定神经网络,即为学习。
+ F' L/ p, m) X; W, @
(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.
3 A# Q# g- I2 V1 Z1 p+ U5 o. V
还有其他种类的神经网络,等讲到时再说。
3 j$ y+ G( B$ s4 a
3神经网络学习规则
% z- Z" |1 X! s( y! S# u
自己看,以后慢慢理解。
) ^5 x+ t2 Y6 i2 }
4应用实例
1 h9 l1 E1 i6 S& E
- e4 D1 F8 _8 m6 }+ o$ `: ~; v
解采用hard-limit函数神经元
( P y D+ u9 g' T; j. f
% a" p; r, }8 T) E: b4 Q
9 h3 n) K# { i$ O6 ?8 \
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
0 i" W- e0 B) z' k4 [' d
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5