1.2.1人工神经网络的概念 (1) Hecht-Nielsen(1988年)(续) 处理单元的输出信号可以是任何需要 的数学模型,每个处理单元中进行的 操作必须是完全局部的。也就是说, 它必须仅仅依赖于经过输入联接到达 处理单元的所有输入信号的当前值和 存储在处理单元局部内存中的值。 2021/2/23
2021/2/23 31 1.2.1 人工神经网络的概念 • （1）Hecht—Nielsen（1988年）（续） • 处理单元的输出信号可以是任何需要 的数学模型，每个处理单元中进行的 操作必须是完全局部的。也就是说， 它必须仅仅依赖于经过输入联接到达 处理单元的所有输入信号的当前值和 存储在处理单元局部内存中的值
1.2.1人工神经网络的概念 强调: ①并行、分布处理结构; ②一个处理单元的输出可以被任意分枝,且 大小不变; ③输出信号可以是任意的数学模型; ④处理单元完全的局部操作 2021/2/23
2021/2/23 32 1.2.1 人工神经网络的概念 • 强调： – ① 并行、分布处理结构； –② 一个处理单元的输出可以被任意分枝，且 大小不变； –③ 输出信号可以是任意的数学模型； –④ 处理单元完全的局部操作
1.2.1人工神经网络的概念 (2) Rumellhart, McClelland, Hinton PDP 1)一组处理单元(PE或AN) ·2)处理单元的激活状态(a;); 3)每个处理单元的输出函数(f); 4)处理单元之间的联接模式 5)传递规则(Σwo1); 6)把处理单元的输入及当前状态结合起来产生 激活值的激活规则(F1); ·7)通过经验修改联接强度的学习规则 8)系统运行的环境(样本集合) 2021/2/23 33
2021/2/23 33 1.2.1 人工神经网络的概念 • （2） Rumellhart，McClelland，Hinton的PDP • 1） 一组处理单元（PE或AN）； • 2） 处理单元的激活状态（ai）； • 3） 每个处理单元的输出函数（f i）； • 4） 处理单元之间的联接模式； • 5） 传递规则（∑wijoi）； • 6） 把处理单元的输入及当前状态结合起来产生 激活值的激活规则（Fi）； • 7） 通过经验修改联接强度的学习规则； • 8） 系统运行的环境（样本集合）
1.2.1人工神经网络的概念 (3) Simpson(1987年) 人工神经网络是一个非线性的有向图,图 中含有可以通过改变权大小来存放模式的 加权边,并且可以从不完整的或未知的输 入找到模式 2021/2/23 34
2021/2/23 34 1.2.1 人工神经网络的概念 • （3） Simpson（1987年） • 人工神经网络是一个非线性的有向图，图 中含有可以通过改变权大小来存放模式的 加权边，并且可以从不完整的或未知的输 入找到模式
1.2.1人工神经网络的概念 2、关键点 1)信息的分布表示 (2)运算的全局并行与局部操作 (3)处理的非线性特征 3、对大脑基本特征的模拟 1)形式上:神经元及其联接;BN对AN 2)表现特征:信息的存储与处理 2021/2/23
2021/2/23 35 1.2.1 人工神经网络的概念 • 2、关键点 • （1） 信息的分布表示 • （2） 运算的全局并行与局部操作 • （3） 处理的非线性特征 • 3、对大脑基本特征的模拟 • 1） 形式上：神经元及其联接；BN对AN • 2） 表现特征：信息的存储与处理