Control 版 (精华区)

发信人: whynot (精诚所至，金石为开), 信区: Control
标  题: [转载] 人工神经网络的算法及实现
发信站: 紫 丁 香 (Sun Sep 19 21:41:04 1999), 转信

【 以下文字转载自 Electronics 讨论区 】
【 原文由 whynot 所发表 】
人工神经网络的算法及实现

Author:whhwin

概述
长期以来，人们想方设法了解人脑的功能，用物理可实现系统去模仿人脑，完成类似于
人脑的工作。计算机是采用电子元件的组合来完成人脑的某些记忆，计算，判断功能的
物理系统。现代计算机中每个电子元件的计算速度为纳秒级，人脑中每个神经细胞的反
应时间只有毫秒级。似乎计算机的运算能力应为人的几百万倍。但是，就目前而言，计
算机在解决诸如视觉，听觉，嗅觉这类简单的感觉识别上却十分迟钝。而人在识别文字
，图象，声音等方面的能力大大超过了计算机，同样在智能，思维，直觉等方面就更无
法与人相比了。人们希望开发出一种既有强大的计算能力，又有类似与人的识别，智能
，联想的能力的计算机系统。
人工神经网络是最近发展起来的十分热门的交叉学科,它涉及生物，电子，计算机，数学
和物理等学科，有着非常广泛的应用背景，这门学科的发展对目前和未来的科学技术的
发展将有重要的影响。
本文的以下部分将详述两个实现人工神经网络的例程，一个是利用BP网络实现图形分类
，另一个是利用Hopfield网络实现存储记忆，从中我们可以看出实现一个人工神经网络
的基本思路及可能带来的潜在好处。
算法介绍
由非线性变换单元组成的前馈网络,简称BP网络。
多层BP网络的结构可用图一来表示。BP网络中的每一个神经元的输入与输出关系满足非
线性单调上升的函数，可以用公式表示为：
其中，ωi为权值，xi为上一层的输出值，θj为该神经元的阙值，可以看出，该函数为
连续可微的函数，其一阶导数存在，对于多层的网络，这种函数所划分的区域不是线性
划分，而是一个由非线性的超平面组成的区域，它是比较柔和、光滑的任意界面，因而
它的分类比线性划分精确、合理，这种网络的容错性较好。另外一个重要的特点是由于
f(u)是连续可微的，它可以严格利用梯度法进行推算，它的权的学习解析式十分明确，
它的学习算法称为反向传输算法(Back-Propagation),也就是 B-P算法。与其它的人工神
经网络一样，它的信息量是储藏在权值和阙值之中的。

--
-----------------------------------------------
                 因一个词的力量
                 我重新开始生活
                 我生来就认识你
                 要把你称作
                           自由

※ 修改:·fangf 於 Jul 25 23:00:05 修改本文·[FROM:     202.120.8.3]
※ 来源:·饮水思源站 bbs.sjtu.edu.cn·[FROM: 202.120.8.3]

--
☆ 来源:．哈工大紫丁香 bbs.hit.edu.cn．[FROM: whynot.bbs@bbs.sjtu.]
--
※ 转载:．紫 丁 香 bbs.hit.edu.cn．[FROM: 202.118.235.243]