首页 理论教育人工神经网络:基本处理单元及构成

人工神经网络:基本处理单元及构成

【摘要】:人工神经网络,是一种旨在模仿人脑结构及其功能的信息处理系统。从系统观点看,神经网络是大量神经元通过丰富和完善的连接而构成的自适应非线性动态系统。由于神经元之间有着不同的连接方式,所以组成不同结构形态的神经网络系统是可能的。神经元是神经网络的基本处理单元,大量的神经元相互连接形成神经网络。

人工神经网络,是一种旨在模仿人脑结构及其功能的信息处理系统。神经网络是由多个非常简单的处理单元彼此按某种方式相互连接而形成的计算机系统,该系统是靠其状态对外部输入信息的动态响应来处理信息的[1]

神经网络是源于人类神经系统的一种数学模型,它用大量具有非线性映射能力的神经元处理信息,在网络中按层次结构的形式组织,每层上的处理单元都以加权的方式与其他层次上的相连接,因此可以认为神经网络是由大量简单的高度互连的神经元组成的并行计算系统。网络的信息处理由神经元之间的相互作用来实现,知识与信息的存储表现为互连节点间分布式的物理联系,网络的学习和识别决定于各连接权的动态演化过程[2]。它与以符号推理为基础的传统人工智能比较有如下特点:

(1)具有很强的自学习能力,可以在学习过程中不断完善自己,并具有创新特点。

(2)具有自适应和自组织能力,它可从外部环境中不断吸取信息,不断地变化组织,完善自己。

(3)具有很强的容错性,当系统接受了不完整的信息时仍能给出正确的解答。

(4)善于联想、类比和推理,有很强的分类能力、模式识别能力和知识表达能力。

从系统观点看,神经网络是大量神经元通过丰富和完善的连接而构成的自适应非线性动态系统。由于神经元之间有着不同的连接方式,所以组成不同结构形态的神经网络系统是可能的。

神经元是神经网络的基本处理单元,大量的神经元相互连接形成神经网络。神经元是多输入、单输出的非线性信息处理单元[3],人工神经元模型如下:

根据图4-1所示,神经元的输出为:

图4-1 人工神经元模型

(https://www.chuimin.cn)

其中wij为连接权值,θi为神经元阈值,f为传递函数或转换函数。在实际运用中,wij和θi会先随机初始化,然后通过样本进行不断地训练达到最终的要求,因此,神经网络最终训练的就是wij和θi。传递函数f有很多种,常见的有如下几种:

阶跃函数:

对数S型函数(Sigmoid型函数):

正切S型函数:

高斯型函数:

分段线性型函数: