神經網絡及深度學習(包含matlab代碼)

神經網絡及深度學習

(包含 MATLAB 仿真)

人工神經網絡(Artificial Neural Network，即 ANN )， 作為對人腦最簡單的一種抽象和

模擬，是人們模仿人的大腦神經系統信息處理功能的一個智能化系統，是 20 世紀 80 年代

以來人工智能領域興起的研究熱點。人工神經網絡以數學和物理方法以及信息處理的角度對

人腦神經網絡進行抽象，并建立某種簡化模型，旨在模仿人腦結構及其功能的信息處理系統。

人工神經網絡最有吸引力的特點就是它的學習能力。因此從 20 世紀 40 年代人工神經

網絡萌芽開始，歷經兩個高潮期及一個反思期至 1991 年后進入再認識與應用研究期， 涌現

出無數的相關研究理論及成果，包括理論研究及應用研究。最富有成果的研究工作是多層網

絡 BP 算法，Hopfield 網絡模型，自適應共振理論，自組織特征映射理論等。因為其應用價

值，該研究呈愈演愈烈的趨勢，學者們在多領域中應用人工神經網絡模型對問題進行研究優

化解決。

人工神經網絡是由多個神經元連接構成，因此欲建立人工神經網絡模型必先建立人工

神經元模型，再根據神經元的連接方式及控制方式不同建立不同類型的人工神經網絡模型。

一、人工神經元及神經網絡

1.1 人工神經元模型

仿生學在科技發展中起著重要作用，人工神經元模型的建立來源于生物神經元結構的

仿生模擬，用來模擬人工神經網絡。人們提出的神經元模型有很多，其中最早提出并且影響

較大的是 1943 年心理學家 McCulloch 和數學家 W. Pitts 在分析總結神經元基本特性的基礎上

首先提出的 MP 模型。該模型經過不斷改進后，形成現在廣泛應用的 BP 神經元模型。人工

神經元模型是由人量處理單元廠泛互連而成的網絡，是人腦的抽象、簡化、模擬，反映人腦

的基本特性。一般來說，作為人工神經元模型應具備三個要素：

(1) 具有一組突觸或連接，常用 wij 表示神經元 i 和神經元 j 之間的連接強度。

(2) 具有反映生物神經元時空整合功能的輸入信號累加器 ? 。

(3) 具有一個激勵函數 f 用于限制神經元輸出。激勵函數將輸出信號限制在一個允許

范圍內。

一個典型的人工神經元模型如圖 1-11-1 所示。

x1

wi1

x2

wi2

? f y

wij i

x j

wiN i

xN b

圖 1-1 人工神經元模型

其中 x j 為神經元 i 的輸入信號，wij 為連接權重，b 為外部刺激， f 為激勵函數， yi 為

神經元的輸出，其輸出計算公式如(1.1)。

??N

yi?? f??? w ij x j b (1.2)

??j?1

1.2 人工神經網絡模型

建立神經元模型后，將多個神經元進行連接

總結

以上是生活随笔為你收集整理的循环神经网络matlab程序设计,神经网络及深度学习(包含matlab代码).pdf的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。