9.1人工神经网络概述通过学习算法，使相邻近的节点表征出输入的不同类别特性，称之为特征映像。通过反复将输入图样和存储在每一个节点上的矢量进行比较，如果输入与节点矢量相匹配，则用该节点处的映像区域来优先表征该类训练数据的特征。Kohonen网络适合图像分割、图像分类或其他各种数据信息的分类分析
9.1 人工神经网络概述 通过学习算法，使相邻近的节点表征出输入 的不同类别特性，称之为特征映像。通过反复 将输入图样和存储在每一个节点上的矢量进行 比较，如果输入与节点矢量相匹配，则用该节 点处的映像区域来优先表征该类训练数据的特 征。 Kohonen网络适合图像分割、图像分类或其他 各种数据信息的分类分析
9.1人工神经网络概述前面简单介绍了一些传统神经网络的概念和特点，显然，它们是根据生物神经网络主要特性而模拟产生的人工神经元模型所构成的各种人工神经网络模型，它们与实际神经网络还有很大的距离，而且处理信息之前都要经过样本学习或训练的预处理阶段，尽管如此，仍能显示出惊人的信息处理能力
9.1 人工神经网络概述 前面简单介绍了一些传统神经网络的概念和 特点，显然，它们是根据生物神经网络主要特 性而模拟产生的人工神经元模型所构成的各种 人工神经网络模型，它们与实际神经网络还有 很大的距离，而且处理信息之前都要经过样本 学习或训练的预处理阶段，尽管如此，仍能显 示出惊人的信息处理能力
9.1人工神经网络概述9.1.2人工神经元电路实现模型简介神经元是人工神经网络电路实现的基本单元，线性突触神经元是传统人工神经网络应用最广泛、研究最多的一种神经元电路实现模型，它的模型框图如下图所示，它的数学表达式为：y= f(WX, -0)X1W其中，v为神经元的输出FX2Xi是神经元的输入，Wi闵值函数fo是权值，是神经元的激W活值，值函数(或X-0称激活函数）。线性突触神经元模型
9.1 人工神经网络概述 9.1.2 人工神经元电路实现模型简介 神经元是人工神经网络电路实现的基本单元，线 性突触神经元是传统人工神经网络应用最广泛、研 究最多的一种神经元电路实现模型，它的模型框图 如下图所示，它的数学表达式为： ( ) 1 = − = N i Wi Xi y f X W 1 1 X W 2 2 X W n n . . 阈值函数 f( ) -θ y 其中，y为神经元的输出， X i 是神经元的输入，W i 是权值，是神经元的激 活阈值， f是阈值函数(或 称激活函数) 。 线性突触神经元模型
9.1人工神经网络概述由公式和框图可知，该神经元模型的电路实现需要分成3个功能单元，分别是：权值存储单元、突触求和单元和值单元。其中，权值存储单元实现神经元权值的存储，突触求和单元实现周围神经元对本神经元所有输入的加权求和，输出单元实现本神经元对所有周围神经元对其影响的响应1y= f(ZW,X, -0)i=l上國值函数fo
9.1 人工神经网络概述 由公式和框图可知，该神经元模型的电路实现需 要分成3个功能单元，分别是：权值存储单元、突 触求和单元和阈值单元。其中，权值存储单元实现 神经元权值的存储，突触求和单元实现周围神经元 对本神经元所有输入的加权求和，输出单元实现本 神经元对所有周围神经元对其影响的响应。 ( ) 1 = − = N i Wi Xi y f X W 1 1 X W 2 2 X W n n . . 阈值函数 f( ) -θ y
9.1人工神经网络概述（1）权值存储单元的电路实现人工神经网络通过加权求和方式描述周围神经元对本神经元的影响，权值的大小反映对本神经元影响的强度，为此电路实现中需要存储很多权值。下图所示为一个用固定电阻表示神经元互联权值的电路实现。VIV2GGU.AUm固定电阻加权求和神经元电路模型
（1）权值存储单元的电路实现 人工神经网络通过加权求和方式描述周围神经元 对本神经元的影响，权值的大小反映对本神经元影 响的强度，为此电路实现中需要存储很多权值。下 图所示为一个用固定电阻表示神经元互联权值的电 路实现。 9.1 人工神经网络概述 V1 V2 Vn Gi2 ρi Gin C i Gi1 . Uin Ui Vi 固定电阻加权求和神经元电路模型