1
人工神经网络概述
人工神经网络
(Artificial
Neural
Networks,
ANNs)
作为机器学习领域非常经典
和实用的学习算法
,
在很多应用领域已经得到了广泛应用
. 1943
?/p>
, W.S.
McCulloch
?/p>
W. Pitts
开创性的提出了一种服从兴奋和抑制变化?/p>
M-P
?/p>
?/p>
.1969
?/p>
, M. Minsky
等人在充分考虑已有的神经网络系统的优劣点之?/p>
,
在撰
写的?/p>
Perceptron
》中指出了已有感知器在处理一些具体问题中的不足之?/p>
.
J.
J.Hopfield
在其构建的网络模型中引入了“计算能量”概?/p>
,
并且对构建网络进
行了稳定性分?/p>
,
极大地推进了神经计算的发?/p>
.
如今
,
人工神经网络已经有自?/p>
织映射?/p>
反馈网络?/p>
Hopfield
网络等近
40
种模?/p>
,
每种网络模型都有着各自的特
?/p>
.
人工神经网络的研究已经得到许多学者的广泛关注
,
作为人工智能和机器学
习的一个重要的组成部分
,
相应的网络结构和优化算法也日趋完?/p>
.
人工神经网络是利用仿生学原理构建的用于信息处理的数学模型
,
能够很好的模
拟大脑神经系统的信息传播机制
.
该网络模型是按照一定的规律由许多隐层节?/p>
(
神经?/p>
)
相互连接而成
,
通过神经元相互作用的动态过程来完成信息处理
.
每个
节点处均设置有一个加和器和一个激活函?/p>
(Activation Function),
相邻隐层
之间的节点通过权?/p>
(
连接?/p>
)
连接
.
这种网络通过增加隐层数和每层神经元个?/p>
来提高网络复杂程?/p>
,
并通过调整相应的连接权值来达到处理信息的目?/p>
.
在大
多数网络模型?/p>
,
节点间的权值是借助特定的优化算?/p>
,
通过迭代的方式来最?/p>
确定?/p>
.
网络的迭代通常是在达到一定的训练精度或者一定的迭代次数上限时终
?/p>
.
于此同时
,
网络的连接权值也最终确?/p>
,
该过程也可以认为是构造的人工神经
网络的“记忆”过?/p>
.
这样就达到了用网络参数学习的方法来模拟给定样本输?/p>
和输出之间的潜在规律的效?/p>
,
然后利用已得到的网络对该类型的其它数据进?/p>
预测
,
也称之为网络的泛化过?/p>
.
以下列举了神经网络的几个特征
:
(1)
自适应和自组织能力
:
在网络参数的优化过程?/p>
,
通过特定的算法来调节连接
?/p>
,
从而达到学习样本输入和输出之间潜在关系的目?/p>
,
并利用训练得到的网络
,