人工神经网络作用

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第,*,页,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,人工神经网络,ANN,的主要功能之一,模式识别,(Pattern Recognition),模式识别是人类的一项基本智能行为，在日常生活中，我们几乎时刻在进行着“模式识别”。,模式：,广义地说，存在于时间和空间中可观察的事物，如果可以区别它们是否相同或相似，都可以称之为模式；,狭义地说，模式是通过对具体的个别事物进行观测所得到的具有时间和空间分布的信息；,模式识别：在一定量度或观测基础上把待识模式划分到各自的模式类中去的过程叫作模式识别；,买西瓜：西瓜可分,为生、熟两类,，此时，研究的范畴是“,西瓜,”，在此范畴上定义了两类模式：,熟瓜和生瓜,；,种西瓜：西瓜分早熟品种、晚熟品种两类，即定义了,两类模式：早熟和晚熟,；,河北省早熟品种分类：河北省常见品种有“新红宝”、“蜜梅”、“京欣”、“冀早,2,号”,等；此时，研究范畴是“河北常见早熟西瓜品种”，在此范畴上定义了多类模式：新红宝、蜜梅、京欣、冀早,2,号等等,买西瓜：两类模式分类问题，通过声音的,频率,x,1,和声音持续时间长度,x,2,来判断瓜的生熟。对编号为,i,的瓜进行敲击测试，得到,矢量元素,X,i,=(x,1,i,，,x,2,i,),T,，对,N,个有生有熟的瓜进行实验可以得到,N,个数据：,X=X,1,X,2,X,3,X,N,，根据瓜的生熟可以将,X,中的元素划分为两类，一类对应于生瓜一类对应于熟瓜。于是，,模式其实就是具有特定性质的矢量,/,数据,。用,C,1,代表生瓜类，,C,2,代表熟瓜类，则,X,中的任意一个元素,Xn,必然满足,:Xn,属于,C,1,或者,Xn,属于,C,2,。,第,2,页,模式识别，举例：水果分级系统。,水果品质参数：重量、大小、比重、果形、颜色等,特征矢量,：,X,=,x,1,x,2,x,3,x,4,x,5,T,特征空间,：用参数张成。,模式,：每个苹果为一个模式，其特征矢量,为特征空间中的一个点；,模式类,：一个级别为一个类，一类模式分,布在特征空间的某个特定区域；,模式识别,：找出各类之间的分界面。,ANN,的主要功能之二,联想,(Associative Memory),联想的心理学定义：,当一个事物的表象被激活时，也就是说该表象所包含的若干属性单元同时有效时，我们的注意力焦点就集中在这个表象上，如果对该表象的处理使的表象被否决时，也就是说由于一些属性单元的失效（或被抑制，或处于高阻），导致该表象无法成立的时候，剩余的属性单元或许可以构成另一种事物的表象，或许还需要结合那些被激活了的新的属性（或是由外界事物具有的新的属性所激活，或是因降低了对一些属性的抑制所导致的激活）。,例如：看到柠檬，感觉到嘴里口水增多。因为，由柠檬联想到了酸味。,字符识别：,单层感知器,单层感知器模型,5,单层感知器,(perceptron),学习算法,感知器的学习是,有导师学习,感知器的训练算法的基本原理：,著名的,Hebb,学习律,基本思想：逐步地将样本集中的样本输入到网络中,根据输出结果和理想输出之间的,差,别来,调整,网络中的,权矩阵,。,主要用于,模式分类,2.2.2,单层感知器的学习算法,单层感知器学习算法,第一步,设置变量和参量。,第二步,初始化,给权值向量 的各个分量赋一个较小的随机非零值，置,0,第三步,输入一组样本，并给出它的期望输出。,第四步,计算实际输出,:,第五步,求出期望输出和实际输出求出差,根据误差判断目前输出是否满足条件，一般为对所有样本误差为零或者均小于预设的值，则算法结束，否则将值增加,1,，并用下式调整权值：,然后转到第三步，进入下一轮计算过程,单层感知器的,MATLAB,实现,MATLAB,中单层感知器常用工具函数名称和基本功能,函 数 名,功 能,newp(),生成一个感知器,hardlim(),硬限幅激活函数,learnp(),感知器的学习函数,train(),神经网络训练函数,sim(),神经网络仿真函数,mae(),平均绝对误差性能函数,plotpv(),在坐标图上绘出样本点,plotpc(),在已绘制的图上加分类线,感知器,局限性,阀值函数，,输出矢量只能取,0,或,1,只能用它来解决简单的分类问题,仅能够,线性地,将输入矢量进行分类，不能解决异或问题,输入矢量中有,一个数比其他数都大或小得很多,时，可能导致较慢的,收敛速度,第,9,页,线性可分性,(Linear Separable,),为什么要引入,RBF,网络,简单的感知器具,有无法完成的问题,分类,回归,nearly linear,highly,non,-linear,如何改变网络解决问题呢？,