人工神经元网络
1 起源
人工神经网络(Arcial Neural Network,简称 ANN)起源于 1943 年,由美国心理
学家 Warren S McCulloch 和数学家 Walter H Pis 提出基于生物神经元特性的
互连模型来制造,及神经学网络。
2 特点
人工神经网络是由许多神经元互连在一起所组成的复杂网络系统,是通过
“学习”或“训练”的方式完成某一特定的工作。其最显著的特点是具有自学习
能力,并在数据含有噪音、缺项或缺乏认知时能获得令人满意的结论,特别
是它可以从积累的工作实例中学习知识,尽可能多地把各种定性定量的影响
因素作为变量加以输入,建立各影响因素与结论之间的高非线性映像,采用
自适应模式识别方法完成此工作。
人工神经网络可分为两种:没有反馈的前向网络和相互结合型网络。前向
网络是多层映像网络,每一层中神经元只接受来自前一层神经元的信号,单
向传播,如 BP 网络;相互结合的网络中,神经元直接都可能有连接,输入
信号要在网络中往返传播,从某一初态开始,经过若干变化,渐渐趋于某一
稳定状态或进入周期震荡等其它状态,著名的代表有 Hopeld 网络、SOM 网
络等。
3 神 经 网 络 模 型 : 网 络 模 型 有 感 知 器 、 反 向 传 播 BP 网 络 、 GMDH 网 络、
RBF 网络、双向联想记忆(BAM)、Hopeld 网络、Boltsmann 机、自适应
共振网络(ART)、自组织特征映像(SOM)网络.
4 应用领域:
具有函数近似(数字逼近映像)、数据聚类、模式识别、优化计算等,广
评论0
最新资源