- 在线时间
- 71 小时
- 最后登录
- 2024-3-22
- 注册时间
- 2008-12-12
- 听众数
- 10
- 收听数
- 0
- 能力
- 0 分
- 体力
- 9747 点
- 威望
- 45 点
- 阅读权限
- 100
- 积分
- 4072
- 相册
- 1
- 日志
- 2
- 记录
- 5
- 帖子
- 1287
- 主题
- 522
- 精华
- 4
- 分享
- 0
- 好友
- 112
升级   69.07% TA的每日心情 | 奋斗 2015-1-3 17:18 |
|---|
签到天数: 6 天 [LV.2]偶尔看看I
- 自我介绍
- 学习中!
群组: Matlab讨论组 群组: C 语言讨论组 群组: 每天多学一点点 群组: 数学趣味、游戏、IQ等 群组: 南京邮电大学数模协会 |
【人工神经网络的工作原理】/ d5 l1 v% k8 i, m' ]/ Y. x" p
人工神经网络首先要以一定的学习准则进行学习,然后才能工作。现以人工神经网络对手写“A”、“B”两个字母的识别为例进行说明,规定当“A”输入网络时,应该输出“1”,而当输入为“B”时,输出为“0”。
& q r. F+ b }% J 所以网络学习的准则应该是:如果网络作出错误的的判决,则通过网络的学习,应使得网络减少下次犯同样错误的可能性。首先,给网络的各连接权值赋予(0,1)区间内的随机值,将“A”所对应的图象模式输入给网络,网络将输入模式加权求和、与门限比较、再进行非线性运算,得到网络的输出。在此情况下,网络输出为“1”和“0”的概率各为50%,也就是说是完全随机的。这时如果输出为“1”(结果正确),则使连接权值增大,以便使网络再次遇到“A”模式输入时,仍然能作出正确的判断。
9 P& B9 l/ V X* ?0 V 如果输出为“0”(即结果错误),则把网络连接权值朝着减小综合输入加权值的方向调整,其目的在于使网络下次再遇到“A”模式输入时,减小犯同样错误的可能性。如此操作调整,当给网络轮番输入若干个手写字母“A”、“B”后,经过网络按以上学习方法进行若干次学习后,网络判断的正确率将大大提高。这说明网络对这两个模式的学习已经获得了成功,它已将这两个模式分布地记忆在网络的各个连接权值上。当网络再次遇到其中任何一个模式时,能够作出迅速、准确的判断和识别。一般说来,网络中所含的神经元个数越多,则它能记忆、识别的模式也就越多。 |
|