第一章：概论 1.2人工神经网络的定义、功能和应用 2>Rumellhart, McClelland,HintonPDP 一组处理单元（PE或AN) 处理单元的激活状态(a); 。每个处理单元的输出函数(f); ■处理单元之间的联接模式； 传递规则（∑WO); 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(F,); 通过经验修改联接强度的学习规则； 系统运行的环境（样本集合）。 2006-4-28 北京科技大学信息学院付冬梅 26
2006-4-28 北京科技大学 信息学院 付冬梅 26 2） Rumellhart，McClelland，Hinton的PDP ◼ 一组处理单元（PE或AN）； ◼ 处理单元的激活状态（ai）； ◼ 每个处理单元的输出函数（f i）； ◼ 处理单元之间的联接模式； ◼ 传递规则（∑wijoi）； ◼ 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）； ◼ 通过经验修改联接强度的学习规则； ◼ 系统运行的环境（样本集合）。 第一章：概论 1.2 人工神经网络的定义、功能和应用
第一章：概论 1.2人工神经网络的定义、功能和应用 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。 2006-4-28 北京科技大学信息学院付冬梅 27
2006-4-28 北京科技大学 信息学院 付冬梅 27 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。 第一章：概论 1.2 人工神经网络的定义、功能和应用
第一章：概论 1.2人工神经网络的定义、功能和应用 ·人工神经网络对生物神经网络模拟时的几个 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。 ◆人工神经网络对大脑基本特征的模拟 1)形式上：神经元及其联接； 2)表现特征：信息的存储与处理。 2006-4-28 北京科技大学信息学院付冬梅 28
2006-4-28 北京科技大学 信息学院 付冬梅 28 人工神经网络对生物神经网络模拟时的几个 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。 人工神经网络对大脑基本特征的模拟 1）形式上：神经元及其联接； 2）表现特征：信息的存储与处理。 第一章：概论 1.2 人工神经网络的定义、功能和应用
第一章：概论 1.2人工神经网络的定义、特点和应用 口人工神经网络有吸引力的特征 1)能逼近任意L2上的非线性函数； 2)信息的并行分布式处理与存储； 3)可以多输入、多输出； 4)可硬件电路实现，或用现有的计算机技术实现； 5)能进行学习， 以适应环境的变化。 口决定网络整体性能的三大要素 1)神经元（信息处理单元)的特性； 2)神经元间相互联接的形式一拓扑结构； 3)为适应环境而改善性能的学习规则。 2006-4-28 北京科技大学信息学院付冬梅 29
2006-4-28 北京科技大学 信息学院 付冬梅 29 ❑ 人工神经网络有吸引力的特征 1）能逼近任意L2上的非线性函数； 2）信息的并行分布式处理与存储； 3）可以多输入、多输出； 4）可硬件电路实现，或用现有的计算机技术实现； 5）能进行学习，以适应环境的变化。 ❑ 决定网络整体性能的三大要素 1）神经元（信息处理单元）的特性； 2）神经元间相互联接的形式——拓扑结构； 3）为适应环境而改善性能的学习规则。 第一章：概论 1.2 人工神经网络的定义、特点和应用
第一章：概论 1.2人工神经网络的定义、功能和应用 ◆目前人工神经网络擅长两个方面： 口对大量的数据进行分类，并且只有较少的几种情况； 口必须学习一个复杂的非线性映射。 ◆目前人工神经网络的主要应用领域： 口人们主要将其用于语音、图像、视觉、知识处理、 辅助决策等方面。 口在数据压缩、模式匹配、系统建模、控制、求组合 优化问题的最佳解的近似解（不是最佳近似解）等 方面也有好的应用。 2006-4-28 北京科技大学信息学院付冬梅 30
2006-4-28 北京科技大学 信息学院 付冬梅 30 目前人工神经网络擅长两个方面： ❑ 对大量的数据进行分类，并且只有较少的几种情况； ❑ 必须学习一个复杂的非线性映射。 目前人工神经网络的主要应用领域： ❑ 人们主要将其用于语音、图像、视觉、知识处理、 辅助决策等方面。 ❑ 在数据压缩、模式匹配、系统建模、控制、求组合 优化问题的最佳解的近似解（不是最佳近似解）等 方面也有好的应用。 第一章：概论 1.2 人工神经网络的定义、功能和应用