神经网络控制及应用基础参考课件

经 元 的
0 f(x)= cx
1
x≤0 0x＜c＜x≤x xc
f (x)
转
(3-9)
移
1.0
函
数
x
0
xc
14.10.2020
25
3.1.3.2 人工神经网络模型
按
神
经
○○○
元
连
接
○
○
○○
方
式
○
○○
○
○
分
类
层次型结构
14.10.2020
26
3.1.3.2 人工神经网络模型
按
神
经
Biblioteka Baidu
○○ ○ ○ ○
元
连
人工神经网络是一种旨在模仿人脑结构及其功能 的信息处理系统。
14.10.2020
1
3.1.1神经网络的基本特征与功能
结构特征： 并行式处理 分布式存储 容错性
能力特征： 自学习 自组织 自适应性
14.10.2020
2
3.1.1 神经网络的基本特征与功能
联 想 记 忆 功 能
3.1.1 神经网络的基本特征与功能
(3-2)
i1
14.10.2020
20
3.1.3.1 人工神经元模型
n
神
netj (t) wijxi(t)
经
i1
元
的
net’j=WjTX
数 4)
学 Wj=(w1 w2 … wn)T
模 型
X=(x1 x2 … xn)T
(3-3) (3-
令x0=-1，w0=Tj，则有-Tj=x0w0
14.10.2020
四部分组成。用来完成神经元间信息的接收、 传递和处理。
14.10.2020
11
14.10.2020
12
14.10.2020
13
3.1.2.2 生物神经元的信息处理机理
信息的产生
神经元间信息的产生、传递和处理是一 种电化学活动。
神经元状态：
静息
膜电位：
极化
兴奋
去极化
抑制
超极化
14.10.2020
17
3.1.3人工神经元模型及人工神经网络模型
神经元及其突触是神经网络的基本器件。因此， 模拟生物神经网络应首先模拟生物神经元。在人 工神经网络中，神经元常被称为“处理单元”。 有时从网络的观点出发常把它称为“节点”。人 工神经元是对生物神经元的一种形式化描述。
14.10.2020
18
3.1.3.1 人工神经元模型
移
函
1 .0
数
0
(3-7)
x
14.10.2020
23
3.1.3.1 人工神经元模型
神 (2)非线性转移函数
经
元 的
f (x) 11ex (3-8)
1ex f (x) 1ex
转
f (x)
f (x)
移
函
1.0
数
0.5
x
0
1.0
0
x
-1.0
14.10.2020
24
3.1.3.1 人工神经元模型
神 (3)分段线性转移函数
9
3.1.2 生物神经元及其信息处理
神经生理学和神经解剖学的研究 结果表明，神经元(Neuron)是脑组织 的基本单元，是人脑信息处理系统的 最小单元。
14.10.2020
10
3.1.2 生物神经元及其信息处理
3.1.2.1生物神经元的结构
生物神经元在结构上由
细胞体(Cell body) 树突(Dendrite) 轴突(Axon) 突触(Synapse)
输入样本
神经网络
自动提取 非线性映射规则
输出样本
14.10.2020
非线性映射功能
4
3.1.1 神经网络的基本特征与功能
传统分类能力
ANN 分类能力
分类与识别功能
14.10.2020
5
3.1.1 神经网络的基本特征与功能
14.10.2020
优化计算功能
6
○○○○
接
方
式
○ ○ ○○ ○
分
类
输出层到输入层有连接
14.10.2020
27
3.1.3.2 人工神经网络模型
按
神
○
○
○
21
3.1.3.1 人工神经元模型
神 经 元
n
ne tj Tj nejt wijxi WT j X (3-5)
的
i0
数
学
模 型
oj=f(netj)=f (WjTX)
(3-6)
14.10.2020
22
3.1.3.1 人工神经元模型
神 (1)阈值型转移函数
经 元
1 x≥0
f(x)=
的
0 x＜0
转
f (x)
第三章 人工神经网络 控制及应用
人工神经网络定义
神经网络是由多个非常简单的处理单元彼此按 某种方式相互连接而形成的计算系统，该系统是靠 其状态对外部输入信息的动态响应来处理信息的。
人工神经网络是一个由许多简单的并行工作的 处理单元组成的系统，其功能取决于网络的结构、 连接强度以及各单元的处理方式。
14.10.2020
16
3.1.2.3 生物神经网络
• 由多个生物神经元以确定方式和拓扑结构
相互连接即形成生物神经网络。
• 生物神经网络的功能不是单个神经元信息
处理功能的简单叠加。
• 神经元之间的突触连接方式和连接强度不
同并且具有可塑性，这使神经网络在宏观 呈现出千变万化的复杂的信息处理能力。
14.10.2020
x1
x1 w 1j
神┆
oj
┆ w ij
oj
经
xi
元 模
┆ xn
(a)多 输 入 单 输 出
xi ┆ wnj
xn
(b)输 入 加 权
型
示
x1 w 1j
意
┆ w ij
图
xI ┆ w nj
xn
x1 w 1j
oj
┆ w ij
oj
∑
xI
∑f
┆ w nj
xn
14.10.2020
(c)输 入 加 权 求 和
(d)输 入 -输 出 函 数
19
3.1.3.1 人工神经元模型
n
神
oj(t)f{[ wijxi(tij)]Tj}
(3-1)
经
i1
元 的 数
τij—— 输入输出间的突触时延； Tj —— 神经元j的阈值； wij—— 神经元i到 j 的突触连接系数或称
学
权重值；
模 f ()——神经元转移函数。
型
n
oj(t1)f{[ wijxi(t)]Tj}
14
3.1.2.2 生物神经元的信息处理机理
信
息
轴突
的
传
递
与
突触前
接
突触后
收
突触间隙 树突或胞体
14.10.2020
15
3.1.2.2 生物神经元的信息处理机理
信息的整合
空间整合：同一时刻产生的刺激所引起的膜电 位变化，大致等于各单独刺激引起的膜电位变 化的代数和。
时间整合：各输入脉冲抵达神经元的时间先后 不一样。总的突触后膜电位为一段时间内的累 积。
3.1.1 神经网络的基本特征与功能
问题解答
知识分布式表示 知识获取、知识库
平行推理
输入数据
变量变换
求解的问题
由同一 神经网 络实现
神经网络专家系统的构成
知识处理功能
14.10.2020
7
3.1.2 生物神经元及其信息处理
▪生物神经元 ▪人工神经元模型
3.1.2 生物神经元及其信息处理
人类大脑大约包含有1.41011个神经元， 每个神经元与大约103～105个其它神经 元相连接，构成一个极为庞大而复杂的 网络，即生物神经网络。