QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 2573|回复: 4
打印 上一主题 下一主题

[课件资源] 神经网络讲义4

[复制链接]
字体大小: 正常 放大
深V礼        

246

主题

24

听众

8718

积分

  • TA的每日心情
    慵懒
    2014-11-8 19:08
  • 签到天数: 55 天

    [LV.5]常住居民I

    管理员

    超级版主

    版主

    发帖功臣 新人进步奖 优秀斑竹奖 金点子奖 原创写作奖 最具活力勋章 助人为乐奖 风雨历程奖

    跳转到指定楼层
    1#
    发表于 2014-10-31 10:06 |只看该作者 |倒序浏览
    |招呼Ta 关注Ta
    04讲 感知器(Perceptron
    感知器是由美国计算机科学家罗森布拉特(F.Roseblatt)于1957年提出的。感知器可谓是最早的人工神经网络。单层感知器是一个具有一层神经元、采用阈值激活函数的前向网络。通过对网络权值的训练,可以使感知器对一组输人矢量的响应达到元素为01的目标输出,从而实现对输人矢量分类的目的。图41给出了单层感知器神经元模型图。
    file:///C:\DOCUME~1\ADMINI~1\LOCALS~1\Temp\ksohtml\wps1F5.tmp.png
    41  感知器神经元模型
    其中,每一个输入分量严pj(j12…,r)通过一个权值分量wj,进行加权求和,并作为阈值函数的输人。偏差b的加入使得网络多了一个可调参数,为使网络输出达到期望的目标矢量提供了方便。感知器特别适合解决简单的模式分类问题。F.Roseblatt已经证明,如果两类模式是线性可分的(指存在一个超平面将它们分开),则算法一定收敛。
    感知器特别适用于简单的模式分类问题,也可用于基于模式分类的学习控制中。
    感知器实际上是在MP模型的基础上加上学习功能,使其权值可以调节的产物。罗森布拉特研究了单层的以及具有一个隐含层的感知器。但在当时他只能证明单层感知器可以将线性可分输入矢量进行正确划分,所以本书中所说的感知器是指单层的感知器。多层网络因为要用到后面将要介绍的反向传播法进行权值修正,所以把它们均归类为反向传播网络之中。
    41  感知器的网络结构
    感知器的网络是由单层的s个感知神经元,通过一组权值{ωij}(i12sjl2r)r个输入相连组成。对于具有输入矢量Pr×q和目标矢量Ts×q的感知器网络的简化结构,如图42所示。
    file:///C:\DOCUME~1\ADMINI~1\LOCALS~1\Temp\ksohtml\wps1F6.tmp.png
    4.2 感知器简化结构图
    根据网络结构,可以写出第i个输出神经元(i12…,s)的加权输入和ni及其输出ai为:
    file:///C:\DOCUME~1\ADMINI~1\LOCALS~1\Temp\ksohtml\wps1F7.tmp.png                          (41
    file:///C:\DOCUME~1\ADMINI~1\LOCALS~1\Temp\ksohtml\wps1F8.tmp.png                    (42
    感知器的输出值是通过测试加权输入和值落在阈值函数的左右来进行分类的,即有:
    file:///C:\DOCUME~1\ADMINI~1\LOCALS~1\Temp\ksohtml\wps1F9.tmp.png                    (43
    阈值激活函数如图43所示。
    由图43可知:当输入ni十bi大于等于0,即有ni≥-bi时,感知器的输出为1,否则输出ai为0。利用偏差bi的使用,使其函数可以左右移动,从而增加了一个自由调整变量和实现网络特性的可能性。
    . W+ v" O( h* A) L
    游客,如果您要查看本帖隐藏内容请回复
    , t2 @' }6 g  K8 H2 ?
    : z' i9 W1 _" G/ {

    3 ~: I5 m2 n1 b% l5 `( V
    : q3 L6 \6 G4 y, Z( s
    zan
    转播转播0 分享淘帖0 分享分享0 收藏收藏0 支持支持0 反对反对0 微信微信
    斟酒人却是倒影

    2

    主题

    10

    听众

    76

    积分

    升级  74.74%

  • TA的每日心情
    慵懒
    2014-11-7 14:22
  • 签到天数: 6 天

    [LV.2]偶尔看看I

    自我介绍
    爱数学,爱学习,爱交友
    回复

    使用道具 举报

    3

    主题

    12

    听众

    513

    积分

    升级  71%

  • TA的每日心情
    开心
    2016-12-16 10:32
  • 签到天数: 94 天

    [LV.6]常住居民II

    社区QQ达人

    回复

    使用道具 举报

    1

    主题

    12

    听众

    411

    积分

    升级  37%

  • TA的每日心情
    奋斗
    2016-11-1 20:01
  • 签到天数: 202 天

    [LV.7]常住居民III

    邮箱绑定达人 社区QQ达人

    群组2016美赛优秀论文解析

    群组2016数学建模算法集锦

    群组2015国赛冲刺

    群组2016护航培训(基础)

    群组2016美赛护航培训强化

    回复

    使用道具 举报

    enphantic        

    1

    主题

    11

    听众

    1025

    积分

    升级  2.5%

  • TA的每日心情
    擦汗
    2018-2-11 14:45
  • 签到天数: 502 天

    [LV.9]以坛为家II

    自我介绍
    工大土木,专注竞赛三十年

    社区QQ达人

    群组国赛讨论

    群组2014数学建模国赛备战

    回复

    使用道具 举报

    您需要登录后才可以回帖 登录 | 注册地址

    qq
    收缩
    • 电话咨询

    • 04714969085
    fastpost

    关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

    手机版|Archiver| |繁體中文 手机客户端  

    蒙公网安备 15010502000194号

    Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

    GMT+8, 2025-8-18 15:23 , Processed in 0.536356 second(s), 81 queries .

    回顶部