|
EDA365欢迎您登录!
您需要 登录 才可以下载或查看,没有帐号?注册
x
什么是人工神经网络(ANNs)?
- W& x5 B4 N4 K2 a U- r! |& {; o在机器学习和认知科学,artificial neural networks(ANNs)是启发自生物神经网络的一种统计学习模型。ANNs可以利用大量的数据来估计和近似函数。通常我们把它看成是一个黑箱子。
" X$ n) s% V8 I
2 G, |3 e5 o: u2 e4 u人工神经元模型, F# A7 |% I: w& V
2 C5 K2 F: i: x9 t2 |# C, o
4 S; J. z2 \2 |; s( j& T5 Z
0 Y1 |# y3 |9 |. f }# N6 `其中 X X X为输入的向量; W W W为权重变量; θ \theta θ是偏执值; n e t net net为 x , w x,w x,w向量的内积减 θ \theta θ; f ( ⋅ ) f(\cdot) f(⋅)是激活函数。* G6 C* R* Q q! y* m4 p( }( V
( o1 g1 c, j) W7 u' t" w
) u1 P/ }2 _5 T
# M6 x, {8 n8 n9 M+ X7 J神经网络概述. Y- y Y2 r; U6 f+ _ g5 h
按连接方式:前向神经网络 vs. 反馈神经网络- _' ]1 T9 r2 b8 R- x
按学习方式:监督学习神经网络 vs. 无监督神经网络
0 ~" e0 e3 `+ @9 p按实现功能:拟合(回归)神经网络 vs. 分类神经网络
' l f% S3 J: a1 H3 i6 g: L% n6 Q& Y
) [* n0 i8 G! C; y- m5 gBP神经网络
; k! \( e8 G" S2 B l8 p2 GBP算法是教授人工神经网络如何执行给定任务的一种常用方法。
# X2 ~- w a. `, v0 i `( DBP神经网络是一种监督学习方法,它需要知道或能够计算出训练集中任何输入的期望输出。; `# X9 J; s% Z% o/ ^
反向传播要求人工神经元使用的激活函数是可微的。 a' J* F) J% i, K' V9 g& m
算法:
+ X- b& c2 u+ e第一阶段:传播! z0 U( j% y5 |+ k e
# m* z9 S3 q# H: }前向传播:5 `- h( U A5 M# y% \
8 {% l& }5 }: E$ r. y) g, F
# @: t E) D$ F6 U
: t. q1 H( q9 F& ], B& I# B! Y) V( c$ V. I" f# `
: v( q. o6 H6 [( B3 c
0 L& v- X) {$ e+ d& X
- C1 H2 E1 Q* b- U/ P8 n7 o
- }) \3 Q+ ~. | I& q/ h4 V( A
/ G# I- `" a) V2 E7 |* r; ^* k0 G7 m" j: y1 [ d0 X" \
9 N5 v4 _1 x- ^
j2 c. m9 a' m2 A
4 i$ c3 z" O# F
% H7 t2 K Y. h
2 [& B9 ]& e+ E( d反向传播:
5 n2 Q9 _" \1 y% j
! L3 t; E5 y: z
7 o$ y9 R+ a) p9 q5 S9 o* V2 k k n" V: z- w/ O
8 w0 G5 I4 m! M3 U' i3 Q3 n" P
: J) f( n8 M5 E% U. v- x) [# N; }6 X
' h6 Y7 ^: M/ w# \
$ w; b" }2 _; X& O$ t7 n
9 ]9 `( W6 ], F9 l8 C& e
* R6 V# [# |7 [! c! {
$ |% v) f7 J# Z2 u, ?. R2 b( |0 \
) l* T* E. o5 q7 t: Q$ ]
- P: c$ e0 z0 v9 {% q |
|