|
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
0 o3 B: A, A1 f
什么是人工神经网络(ANNs)?
% S+ `" }8 V, X6 Q2 p: f$ d* v& Z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。1 Z2 k/ l8 W, g2 d
# W( q) `1 P: x; s
人工神经元模型
- c0 _9 }" M* Q- ?
3 }! f% A5 W z1 i; m; i' o
2 ]5 W$ _. T0 f5 N其中X为输入的向量;W为权重变量;θ是偏执值;net为x,w向量的内积减θ;f(⋅)是激活函数。
; f+ W3 V3 g' @/ F! b% K- w3 e! V9 \ t# i
- M1 Q4 E2 D* k; G+ t. D
6 e5 d( g4 Q) x5 Q) K, @ z+ N神经网络概述
& l1 P, f) Q; k1 h" n按连接方式:前向神经网络 vs. 反馈神经网络% C `. m+ c6 c. {& a0 W
按学习方式:监督学习神经网络 vs. 无监督神经网络" `/ ?& v: V3 u) F# W; C% w
按实现功能:拟合(回归)神经网络 vs. 分类神经网络
# s4 ^1 l$ E* P" o# \* v6 ~) H
1 J, S" V$ _. b5 c2 U& eBP神经网络; e5 [6 u+ r; A0 N4 _5 h5 i
- BP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。
- BP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。
- 反向传播要求人工神经元使用的激活函数是可微的。4 G5 s0 o" r5 I4 Z* G# W$ V8 P
3 [$ q* B) M/ d$ g1 d
% K, k( G% M- B) @1 b% P. Y
|
|