电 脉 冲 输 入 树 突 细 胞 体 形 成 轴 突 传 输 突 触
输
出
信 息 处 理
图 物 神 经 元 功 能 模 型 1 2 .2 生
电 脉 冲 输 入 树 突 细 胞 体 形 成 轴 突 传 输 突 触
输
出
信 息 处 理
图 物 神 经 元 功 能 模 型 1 2 .2 生 黑箱
当常规方法解决不了或效果不佳时ANN方法才能显示出其优 越性。尤其对问题的机理不甚了解或不能用数学模型表示 的系统,如故障诊断、特征提取和预测等问题,ANN往往是最 有利的工具。另一方面, ANN对处理大量原始数据而不能用 规则或公式描述的问题, 表现出极大的灵活性和自适应性。
8.2 人工神经网络基础
存储和回忆 人工神经网络中存储图形的类型
–
–
在计算机中，数据和信息是存放在存贮 器中（RAM或ROM)，以8比特字节作为 存储单位。 在人工神经网络中，信息或图形不再限 定为8比特，它是多维的二进制数据或连 续信息。
8.2 人工神经网络基础
存储和回忆 人工神经网络中存储的两类图形 – 空间图形的存储 存储单个空间静态图像，如一幅画面。 – 时空图形的存储 存储一系列随时间变化的图像，比如电影。 – 我们讨论的人工神经网络存储的图形大多是空 间图形，因它是构成时空图形的基础。
单层网络
–
输入信号的加权和表示为：
– –
s是各结点加权和的行向量，s=(s1, s2,…, sn)。 输出向量 y=(y1, y2,…, yn)，其中yj=F(sj)。
8.2 人工神经网络基础
人工神经网络的拓扑结构
多层网络
– –
–
一般来说，大而复杂的网络能提供更强的计算 能力。 虽然目前已构成了很多网络模型，但它们的结 点都是按层排列的，这一点正是模仿了大脑皮 层中的网络模块。 多层网络是由单层网络进行级联构成的，即上 一层的输出作为下一层的输入。
