人工神经网络及其应用 第6讲自组织网络 何建华 电信系,华中科技大 2003年3月11日
人工神经网络及其应用 第6讲 自组织网络 何建华 电信系，华中科技大学 2003年3月11日
Q内容安排 自组织神经网络 二、自组织竞争网络 科荷伦网络 四、自适应共振网络 五、内容小结 六、考试事宜 2021/2/20
2021/2/20 2 一、自组织神经网络 二、自组织竞争网络 三、科荷伦网络 四、自适应共振网络 五、内容小结 六、考试事宜 内容安排
Q一、自组织神经网络 米 1.1自组织网络特点 1.2网络类型 1.3网络学习规则 2021/2/20
2021/2/20 3 1.1 自组织网络特点 1.2 网络类型 1.3 网络学习规则 一、自组织神经网络
Q1.1自组织网络特点 米 特点 自组织神经网络可以自动向环境学习,不需要教师 指导;而前面所讲到的前向网络、反馈网络均需要 教师指导学习 与BP网络相比,这种自组织自适应的学习能力进一 步拓宽了人工神经网络在模式识别、分类方面的应 用 ◆思想基础 生物的神经网络中,如人的视网膜中,存在着一种 侧抑制”现象,即一个神经细胞兴奋后,通过它 的分支会对周围其他神经细胞产生抑制 借鉴上述思想,自组织网络能够对输入模式进行自 2021/2/20 组织训练和判断,并将输入模式分为不同的类型
2021/2/20 4 1.1 自组织网络特点 特点 – 自组织神经网络可以自动向环境学习，不需要教师 指导；而前面所讲到的前向网络、反馈网络均需要 教师指导学习 – 与BP网络相比，这种自组织自适应的学习能力进一 步拓宽了人工神经网络在模式识别、分类方面的应 用 思想基础 – 生物的神经网络中，如人的视网膜中，存在着一种 “侧抑制”现象，即一个神经细胞兴奋后，通过它 的分支会对周围其他神经细胞产生抑制 – 借鉴上述思想，自组织网络能够对输入模式进行自 组织训练和判断，并将输入模式分为不同的类型
12网络类型 米 ◆需要训练 自组织竞争网络 适用与具有典型聚类特性的大量数据的辨识 Kohonen网络 ·训练学习后使网络权值分布与输入样本概率密度分布相似 ·可以作为样本特征检测仪,在样本排序、样本分类及样本 检测方面有广泛应用 对传网络( Counter Propagation Network) 在功能上用作统计最优化和概率密度函数分析 ·可用于图像处理和统计分析 神经认知机等 5◆不需要训练 2021/2/20 自适应共振理论(ART) 分类的类型数目可自适应增加
2021/2/20 5 1.2 网络类型 需要训练 – 自组织竞争网络 • 适用与具有典型聚类特性的大量数据的辨识 – Kohunen网络 • 训练学习后使网络权值分布与输入样本概率密度分布相似 • 可以作为样本特征检测仪，在样本排序、样本分类及样本 检测方面有广泛应用 – 对传网络（Counter Propagation Network） • 在功能上用作统计最优化和概率密度函数分析 • 可用于图像处理和统计分析 – 神经认知机等 不需要训练 – 自适应共振理论（ART） • 分类的类型数目可自适应增加