人工神经网络的构成

风靡全球

人工神经网络的构成

人工神经网络从拓扑结构上可以看成是以处理单元PE(PrcoessinglEement)为结点,用加权有向弧连结而成的有向图。其中处理单元是对生理神经元的模拟,而有向弧则是“轴突一树突”对的模拟。有向弧的权值标志着两处理单元之间相互影响的强弱。综合全部有向弧形成的互联强度矩阵对应于人脑中信息的长期记忆。处理单元用非线性函数实现单元输入与输出间的非线性映射,其即时活跃值对应于人脑中信息的短期记忆。

可以用以下8项特征刻划一个网络模型,不同的模型在某些方面可以有很大的差异,但在某些方面则大致相同。这8项特征是:处理单元集合、单元集合的活跃状态、单元间的连接方式、激活模式在网络中的传递、把单元输入与当前状态结合起来产生新激活值、各单元所用的输出函数、学习规则、运动环境。

1.处理单元

单元是网络的结点,是具有加工(计算)能力的处理部件。在一些模型中,单元可表示特定的实体。在另一些模型中,单元则仅是抽象的结点。这些单元的机理是相同的,可以任意地排列起来,第i个单元就称为u,,没有一种更高层次的类似管理单元的东西(单元),这与传统的控制方法是很不同的。一个单元仅仅接受一些相关单元的输入,对所有的输入和权值的乘积求和,并在一种函数变换下,向其它相关单元输出。按照单元的作用可分为输入单元、输出单元、隐含单元。输入单元接受网络外部的输入。输出单元向网络外部发送输出。隐含单元则与网络外部没有联系。

2.活跃状态

设网络有n个单元,网络在t时刻的活跃状态可由一n维向量A(t)表示,其每一分量a, t表示i单元在t时刻的活跃值。正是单元集合上的活跃状态刻划了系统在t时刻所表示的对象,因而系统的处理过程就可看成活跃状态演变的过程。单元活跃值的取值范围可以是连续的,也可以是离散的。