网页设计网站欣赏,云服务器可以做两个网站吗,app网站建设介绍,国家信用信息企业公示系统官网高级分布式系统汇总#xff1a;高级分布式系统目录汇总-CSDN博客
神经网络理论
模糊控制在处理数值数据、自学习能力等方面还远没有达到人脑的境界。人工神经网络从另一个角度出发#xff0c;即从人脑的生理学和心理学着手#xff0c;通过人工模拟人脑的工作机理来实现机器…高级分布式系统汇总高级分布式系统目录汇总-CSDN博客
神经网络理论
模糊控制在处理数值数据、自学习能力等方面还远没有达到人脑的境界。人工神经网络从另一个角度出发即从人脑的生理学和心理学着手通过人工模拟人脑的工作机理来实现机器的部分智能行为。
人工神经网络简称神经网络Neural Network是模拟人脑思维方式的数学模型。神经网络是在现代生物学研究人脑组织成果的基础上提出的用来模拟人类大脑神经网络的结构和行为。神经网络反映了人脑功能的基本特征如并行信息处理、学习、联想、模式分类、记忆等。
1能逼近任意非线性函数
2信息的并行分布式处理与存储
3可以多输入、多输出
4便于用超大规模集成电路VISI或光学集成电路系统实现或用现有的计算机技术实现
5能进行学习以适应环境的变化。
单神经元网络 常用的神经元非线性特性有以下几种 BP神经网络
误差反向传播神经网络简称BP网络Back Propagation
含一个隐含层的BP网络结构图中 i为输入层神经元 为隐层神经元 k为输出层神经元。 用于逼近的BP网络
BP算法的学习过程由正向传播和反向传播组成。
在正向传播过程中输入信息从输入层经隐层逐层处理并传向输出层每层神经元节点的状态只影响下一层神经元的状态。
如果在输出层不能得到期望的输出则转至反向传播将误差信号理想输出与实际输出之差按联接通路反向计算由梯度下降法调整各层神经元的权值使误差信号减小。 优缺点
BP网络的优点为
1只要有足够多的隐层和隐层节点可以逼近任意的非线性映射关系
2BP网络的学习算法属于全局逼近算法具有较强的泛化能力;
3BP网络输入输出之间的关联信息分布地存储在网络的连接权中个别神经元的损坏只对输入输出关系有较小的影响因而BP网络具有较好的容错性。
BP网络的主要缺点为
1待寻优的参数多收敛速度慢
2目标函数存在多个极值点按梯度下降法进行学习很容易陷入局部极小值
3难以确定隐层及隐层节点的数目。目前如何根据特定的问题来确定具体的网络结构尚无很好的方法仍需根据经验来试凑。
