人工神经网络基础优秀课件

matlab_人工神经网络
• （4）通信。自适应均衡、回波抵消、路由选 择和ATM网络中的呼叫接纳识别和控制。
• （5）空间科学。空间交汇对接控制、导航信 息智能管理、飞行器制导和飞行程序优化管理 等。
matlab_人工神经网络
• 大脑可视作为1000多亿神经元组成的神经网络
• 图1 神经元的解剖图
• 神经元的信息传递和处理是一种电化学活动。树 突由于电化学作用接受外界的刺激；通过胞体内 的活动体现为轴突电位，当轴突电位达到一定的 值则形成神经脉冲或动作电位；再通过轴突末梢 传递给其它的神经元．从控制论的观点来看；这 一过程可以看作一个多输入单输出非线性系统的 动态过程
matlab_人工神经网络
电脉冲
输 入
树 突
细胞体 形成 轴突
突
输
触
Байду номын сангаас
出
信息处理
传输
图12.2 生物神经元功能模型
• 归纳一下生物神经元传递信息的过程：生物神经 元是一个多输入、单输出单元。常用的人工神经 元模型可用图2模拟。
图2 人工神经元（感知器）示意图
x • 当神经元j有多个输入 i (i=1，2,…,m)和单个输出
yj 时，输入和输出的关系可表示为:
s
j
m
wij xi
i 1
j
y j f (s j )
• 其中 j 为阈值，w ij 为从神经元i到神经元j的
连接权重因子，f( )为传递函数，或称激励函 数。
matlab_人工神经 网络
m
z wixi i1
• 取激发函数为符号函数
sgnx()10,,
matlab_人工神经网络

人工神经网络基本要素
人工神经网络(简称神经网络)是由人工神经元(简称神经元)互 连组成的网络，它是从微观结构和功能上对人脑的抽象、简化，是模 拟人类智能的一条重要途径，反映了人脑功能的若干基本特征，如并 行信息处理、学习、联想、模式分类、记忆等。
人工神经网络（ANN）可看成是以人工神经元为节点，用有向加权 弧连接起来的有向图。
20 世 纪 80 年 代 以 来 ， 人 工 神 经 网 络 （ ANN ， Artificial Neural Network）研究取得了突破性进展。神经网络控制是将神经网络与控制 理论相结合而发展起来的智能控制方法。它已成为智能控制的一个新的 分支，为解决复杂的非线性、不确定、未知系统的控制问题开辟了新途 径。
y 是神经元的输出。
神经元的输出 y=f(w*u+θ )
人工神经网络基本要素 —神经元
可见，神经元的实际输出还取决于所选择的作用函数f(x)。神经元的阈值 可以看作为一个输入值是常数1对应的连接权值。根据实际情况，也可以 在神经元模型中忽略它。关于作用函数的选择将在后面详细讨论。在上述 模型中，w和θ是神经元可调节的标量参数。设计者可以依据一定的学习规 则来调整它。
每个神经元的突触数目有所不同，而且各神经元之间的连接强度 和极性有所不同，并且都可调整，基于这一特性，人脑具有存储信息的 功能。图1.1 生物神经元的结构
人工神经网络基本要素 —神经元
神经生理学和神经解剖学的研究 结果表明，神经元是脑组织的基 本单元，是神经系统结构与功能 的单位。
• 大脑
Brain
在此有向图中，人工神经元就是对生物神经元的模拟，而有向弧则 是轴突—突触—树突对的模拟。有向弧的权值表示相互连接的两个人 工神经元间相互作用的强弱。

思考：该神经元模型与生物神经元有何对应关系
传输函数
硬极限传输函数
传输函数
线性传输函数
传输函数
对数-S形传输函数
传输函数
传输函数
多输入神经元
多输入神经元
权值矩阵，偏置（偏移量），净输入，传输函数（激活函数）
单层神经元
多层神经元
人工神经网络的训练
人工神经网络最具有吸引力的特点是它的 学习能力。
制造系统监控中的人工智能概述
智能监控检测诊断技术
专家系统 模糊理论 人工神经网络 支持向量机 实例推理、数据挖掘
人工智能的广泛应用
1 难题求解 2 自动规划、调度与配置 3 机器定理证明 4 自动程序设计 5 机器翻译 6 智能控制 7 智能管理 8 智能决策 9 智能通信 10 智能仿真
1962年，Rosenblatt给出了人工神经网络著 名的学习定理：人工神经网络可以学会它 可以表达的任何东西。
人工神经网络的表达能力大大地限制了它 的学习能力。
人工神经网络的学习过程就是对它的训练 过程
无导师学习
无导师学习(Unsupervised Learning)与无导 师训练(Unsupervised Training)相对应
人工智能的非正式定义 -- 研究如何用计 算机来表示和 执行人类的智能活动，以模 拟人脑所从事的推理、学 习、思考、规划 等思维活动，并解决需要人类的智力 才能 处理的复杂问题，如医疗诊断、管理决策、 下棋、 自然语言理解等。
制造系统监控中的人工智能概述
研究人工智能的目的
基本目标：Make machines smarter； 崇高目标：Understand what intelligence is； 商业目标：Make machines useful。

脑的一些基本特征，同时使得人工神经网络具有良 好的可实现性。
人们期待着，通过大家的不懈努力，在不久的将来，能在 这两种技术的研究上以及其有机结合方面有所突破，也希 望在方法上有一个新的突破，真正打开智能的大门。
IIP’2011-2012(1)
3
3.1 人工神经网络基础
人工神经网络是根据人们对生物神经网络的研究成果设计 出来的，它由一系列的神经元及其相应的联接构成，具有 良好的数学描述，不仅可以用适当的电子线路来实现，更 可以方便的用计算机程序加以模拟。
3 神经计算基础
3.1 人工神经网络基础
School of Information Science & Technology Dalian Maritime University
目录
3 神经计算基础 3.1 人工神经网络基础 3.1.1 人工神经网络的提出 3.1.2 人工神经网络的特点 3.1.3 历史回顾 3.1.4 生物神经网络 3.1.5 人工神经元 3.1.6 人工神经网络的拓扑特性 3.1.7 存储与映射 3.1.8 人工神经网络的训练
✓ 进化主义（或者叫做行动/响应）学派。
IIP’2011-2012(1)
10
物理符号系统
物理符号系统的定义：
✓ 因为信息需要在一定的载体上以某种规定的形式表达出来，
✓ 习惯上，人们用一系列的基本符号以及组合这些符号的一些规则去表 达一些信息和行为，
✓ 这些基本符号以及组合这些符号的规则就是所谓的物理符号系统。
首先简要介绍智能和人工智能，然后简要介绍人工神经网 络的发展过程及其基本特点。
然后将介绍人工神经网络的基本知识，主要包括：
✓ 基本的生物神经网络模型， ✓ 人工神经元模型及其典型的激活函数； ✓ 人工神经网络的基本拓扑特性， ✓ 存储类型（CAM-LTM，AM-STM）及映象， ✓ 有导师（Supervised）训练与无导师（Unsupervised）训练。