《智能控制系統(tǒng) 神經(jīng)網(wǎng)絡(luò)PPT學(xué)習(xí)教案》由會員分享，可在線閱讀，更多相關(guān)《智能控制系統(tǒng) 神經(jīng)網(wǎng)絡(luò)PPT學(xué)習(xí)教案（57頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、會計學(xué)1圖 生物神經(jīng)元模型5.1神經(jīng)細胞的結(jié)構(gòu)與功能1第1頁/共57頁第2頁/共57頁人工神經(jīng)網(wǎng)絡(luò)是對生物神經(jīng)元的一種模擬和簡化，是神經(jīng)網(wǎng)絡(luò)的基本處理單元。 人工神經(jīng)元模型2第3頁/共57頁第4頁/共57頁人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)類型31 1）前向網(wǎng)絡(luò)）前向網(wǎng)絡(luò): :典型的網(wǎng)絡(luò)有：感知器網(wǎng)絡(luò)、BP網(wǎng)絡(luò)等。特點：特點： 前向網(wǎng)絡(luò)具有較強的學(xué)習(xí)能力，結(jié)構(gòu)簡單，易于編程。 前饋網(wǎng)絡(luò)是靜態(tài)非線性映射，通過簡單非線性處理單元的復(fù)合映射，可獲得復(fù)雜的非線性處理能力。 從計算觀點，缺乏豐富的動力學(xué)行為第5頁/共57頁特點：特點： 若總節(jié)點(神經(jīng)元)數(shù)為N，則每個節(jié)點有N個輸入和一個輸出。每個節(jié)點都是一樣，互相

2、連接。 反饋型網(wǎng)絡(luò)是反饋動力學(xué)系統(tǒng)，需要工作一段時間后才能達到穩(wěn)定。 Hopfield神經(jīng)網(wǎng)絡(luò)是反饋型網(wǎng)絡(luò)中最簡單應(yīng)用最廣的模型，具有聯(lián)想記憶功能。 人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)類型人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)類型第6頁/共57頁第7頁/共57頁第8頁/共57頁教師神經(jīng)網(wǎng)絡(luò)比較環(huán)境實際輸出輸入期望輸出誤差信號p(n)t(n)a(n)e(n)第9頁/共57頁勵的動作來改善自身的性能神經(jīng)網(wǎng)絡(luò)環(huán)境輸入神經(jīng)網(wǎng)絡(luò)環(huán)境輸入輸出評價信息第10頁/共57頁第11頁/共57頁uHebb學(xué)習(xí)規(guī)則的物理解釋：兩個神經(jīng)元同時處于激發(fā)狀態(tài)時，相應(yīng)的權(quán)值得到加強。第12頁/共57頁14211()() ()22TkkJEenEnnee

3、211()()() ()22TkkJnennnee第13頁/共57頁kJ wu對于感知器和線性網(wǎng)絡(luò)：TWepkjkjwe pdelta學(xué)習(xí)規(guī)則u對于多層感知器網(wǎng)絡(luò)：擴展的delta學(xué)習(xí)規(guī)則，bp算法wkjnkakPj第14頁/共57頁概率式學(xué)習(xí)概率式學(xué)習(xí)學(xué)習(xí)規(guī)則：第15頁/共57頁()0kjjkjkjwpwkwk若 神 經(jīng) 元獲 勝若 神 經(jīng) 元失 敗wkjkpj第16頁/共57頁5.2第17頁/共57頁似于生物神經(jīng)元的處理元件構(gòu)成一個單層的計算網(wǎng)絡(luò)感知器網(wǎng)絡(luò)感知器網(wǎng)絡(luò)1第18頁/共57頁圖 單層感知器網(wǎng)絡(luò)圖 單個神經(jīng)元的感知器感知器的輸入輸出關(guān)系：當(dāng)輸入的加權(quán)和大于或等于閾值，輸出為1，否則

4、為-1（或為0）。 第19頁/共57頁()kjkkjwtapu對應(yīng)于線性判別函數(shù)u對線性可分問題算法收斂，u對線性不可分的數(shù)據(jù)算法不收斂TWep第20頁/共57頁第21頁/共57頁第22頁/共57頁差修正當(dāng)前層的權(quán)值。前項多層網(wǎng)絡(luò)的前項多層網(wǎng)絡(luò)的BP學(xué)習(xí)算法學(xué)習(xí)算法2第23頁/共57頁圖 BP網(wǎng)絡(luò)結(jié)構(gòu)第24頁/共57頁第25頁/共57頁將誤差分?jǐn)偨o各層的所有將誤差分?jǐn)偨o各層的所有單元各層單元的誤單元各層單元的誤差信號差信號修正各單元權(quán)修正各單元權(quán)值值第26頁/共57頁網(wǎng)絡(luò)輸出的誤差減少到可接受的程度進行到預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止第27頁/共57頁12,nxxxx12,phihihihi12,ph

5、o hohoho12,qyiyiyiyi12,qyoyoyoyo12,qdddod第28頁/共57頁ihwf( ) howhb1,2,kmob211( )( )2qoooedkyo k第29頁/共57頁12( )( ),( ),( )nkx k x kx kx12( )( ),( ),( )qkd kdkdkod第30頁/共57頁1( )( )1,2,nhihihihikw x kbhp( )f( )1,2,hhho khi khp1( )( )1,2,pohohohyi kw ho kboq( )f( )1,2,ooyo kyi koq第31頁/共57頁ohoohoeeyiwyiw( )(

6、)( )phohoohhhohow ho kbyi kho kww211( ( )( )2( ( )( )( )( ( )( )f( )( )qooooooooooood kyo ked kyo k yo kyiyid kyo kyi kk( )ok第32頁/共57頁1( )( )( )( )( )hoohhoNNhohoohewkk ho kwwwk ho k ( )ok( )howk第33頁/共57頁( )hk1( )( )( ) ( )( )( ) ( )hihhiihhihNNihihhieehi kw kk x kwhi kwwwk x k第34頁/共57頁2111( )( )2qm

7、ookoEd ky km第35頁/共57頁第36頁/共57頁BP算法的改進算法算法的改進算法3第37頁/共57頁5.3Hopfield網(wǎng)絡(luò)網(wǎng)絡(luò)1第38頁/共57頁第39頁/共57頁第40頁/共57頁5.3Boltzmann機網(wǎng)絡(luò)機網(wǎng)絡(luò)(BM網(wǎng)絡(luò)網(wǎng)絡(luò)) 2第41頁/共57頁第42頁/共57頁第43頁/共57頁用。在受外界n刺激時，最強的地方形成一個氣泡，稱其為墨西哥帽。5.3自組織特征映射網(wǎng)絡(luò)自組織特征映射網(wǎng)絡(luò)3第44頁/共57頁 自組織特征映射網(wǎng)絡(luò)具有側(cè)向聯(lián)想力，如圖右。輸出節(jié)點呈二維陣列分布。輸出節(jié)點與其鄰域或其他節(jié)點廣泛連接，互相激勵。每個輸入節(jié)點與輸出節(jié)點之間由可變權(quán)值連接。通過某種規(guī)則

8、，不斷調(diào)整權(quán)值，使得在穩(wěn)定是每個領(lǐng)域的所有節(jié)點對某種輸入具有類似的輸出，并且聚類的概率分布與輸入模式的概率分布相接近。第45頁/共57頁5.4第46頁/共57頁圖 神經(jīng)網(wǎng)絡(luò)控制方框圖 神經(jīng)元自適應(yīng)神經(jīng)元自適應(yīng)PIDPID控制控制 第47頁/共57頁第48頁/共57頁第49頁/共57頁基于基于BP神經(jīng)網(wǎng)絡(luò)的神經(jīng)網(wǎng)絡(luò)的PID控制算法控制算法第50頁/共57頁第51頁/共57頁第52頁/共57頁) 1( ky)(/ ) 1(kuky線性預(yù)測模型的線性預(yù)測模型的BP神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)算法控制系統(tǒng)算法第53頁/共57頁第54頁/共57頁) 1( ky)(/ ) 1(kuky基于基于BP神經(jīng)網(wǎng)絡(luò)的神經(jīng)網(wǎng)絡(luò)的PID控制算法控制算法第55頁/共57頁第56頁/共57頁