摘 要
本文主要介紹了人工神經(jīng)網(wǎng)絡(luò)的概念，并對幾種具體的神經(jīng)網(wǎng)絡(luò)進行介紹，從它們的提出時間、網(wǎng)絡(luò)結(jié)構(gòu)和適用范圍幾個方面來深入講解。
【關(guān)鍵詞】神經(jīng)網(wǎng)絡(luò) 感知器網(wǎng)絡(luò) 徑向基網(wǎng)絡(luò) 反饋神經(jīng)網(wǎng)絡(luò)
1 引言
人工神經(jīng)網(wǎng)絡(luò)是基于對人腦組織結(jié)構(gòu)、活動機制的初步認(rèn)識提出的一種新型信息處理體系。它實際上是一個由大量簡單元件相互連接而成的復(fù)雜網(wǎng)絡(luò)，具有高度的非線性，能夠進行復(fù)雜的邏輯操作和非線性關(guān)系實現(xiàn)的系統(tǒng)，通過模仿腦神經(jīng)系統(tǒng)的組織結(jié)構(gòu)以及某些活動機理，人工神經(jīng)網(wǎng)絡(luò)可呈現(xiàn)出人腦的許多特征，并具有人腦的一些基本功能，利用這一特性，可以設(shè)計處具有類似大腦某些功能的智能系統(tǒng)來處理各種信息，解決不同問題。下面對幾種具體的神經(jīng)網(wǎng)絡(luò)進行介紹。
2 感知器網(wǎng)絡(luò)
感知器是由美國學(xué)者Rosenblatt在1957年首次提出的，感知器可謂是最早的人工神經(jīng)網(wǎng)絡(luò)。感知器具有分層結(jié)構(gòu)，信息從輸入層進入網(wǎng)絡(luò)，逐層向前傳遞到輸出層。感知器是神經(jīng)網(wǎng)絡(luò)用來進行模式識別的一種最簡單模型，屬于前向神經(jīng)網(wǎng)絡(luò)類型。
2.1 單層感知器
單層感知器是指只有一層處理單元的感知器，它的結(jié)構(gòu)與功能都非常簡單，通過讀網(wǎng)絡(luò)權(quán)值的訓(xùn)練，可以使感知器對一組輸入矢量的響應(yīng)達(dá)到元素為0或1的目標(biāo)輸出，從而實現(xiàn)對輸入矢量分類的目的，目前在解決實際問題時很少被采用，但由于它在神經(jīng)網(wǎng)絡(luò)研究中具有重要意義，是研究其他網(wǎng)絡(luò)的基礎(chǔ)，而且較易學(xué)習(xí)和理解，適合于作為學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的起點。
2.2 多層感知器
多層感知器是對單層感知器的推廣，它能夠成功解決單層感知器所不能解決的非線性可分問題，在輸入層與輸出層之間引入隱層作為輸入模式的“內(nèi)部表示”，即可將單層感知器變成多層感知器。
3 線性神經(jīng)網(wǎng)絡(luò)
線性神經(jīng)網(wǎng)絡(luò)類似于感知器，但是線性
神經(jīng)網(wǎng)絡(luò)的激活函數(shù)是線性的，而不是硬限轉(zhuǎn)移函數(shù)。因此線性神經(jīng)網(wǎng)絡(luò)的輸出可以使任意值，而感知器的輸出不是0就是1。線性神經(jīng)網(wǎng)絡(luò)最早的典型代表就是在1963年由美國斯坦福大學(xué)教授Berhard Windrow提出的自適應(yīng)線性元件網(wǎng)絡(luò)，它是一個由輸入層和輸出層構(gòu)成的單層前饋性網(wǎng)絡(luò)。自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法比感知器的學(xué)習(xí)算法的收斂速度和精度都有較大的提高，自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)主要用于函數(shù)逼近、信號預(yù)測、系統(tǒng)辨識、模式識別和控制等領(lǐng)域。
4 BP神經(jīng)網(wǎng)絡(luò)
BP神經(jīng)網(wǎng)絡(luò)是1986年由以Rumelhart和McCelland為首的科學(xué)家小組提出的，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，在人工神經(jīng)網(wǎng)絡(luò)的實際應(yīng)用中，80%～90%的人工神經(jīng)網(wǎng)絡(luò)模型采用BP網(wǎng)絡(luò)或者它的變化形式，它也是前向網(wǎng)絡(luò)的核心部分，體現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)最精華的部分，BP神經(jīng)網(wǎng)絡(luò)由信息的正向傳播和誤差的反向傳播兩個過程組成。輸入層各神經(jīng)元負(fù)責(zé)接收來自外界的輸入信息，并傳遞給中間層各神經(jīng)元；中間層是內(nèi)部信息處理層，負(fù)責(zé)信息變換，根據(jù)信息變化能力的需求，中間層可以設(shè)計為單隱層或者多隱層結(jié)構(gòu)；最后一個隱層傳遞到輸出層各神經(jīng)元的信息，經(jīng)過一步處理后完成一次學(xué)習(xí)的正向傳播處理過程，由輸出層向外界輸出信息處理結(jié)果。當(dāng)實際輸出與期望輸出不符時，進入誤差的反向傳播階段。誤差通過輸出層，按誤差梯度下降的方式修正各層權(quán)值，向隱層、輸入層逐層反傳。周而復(fù)始的信息正向傳播和誤差反向傳播過程，是各層權(quán)值不斷調(diào)整的過程，也是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練過程，此過程一直進行到網(wǎng)絡(luò)輸出的誤差減少到可以接受的程度，或者達(dá)到預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止。
BP網(wǎng)絡(luò)主要應(yīng)用于以下方面：
?。?）函數(shù)逼近：用輸入矢量和相應(yīng)的輸出矢量訓(xùn)練一個網(wǎng)絡(luò)逼近一個函數(shù)。
?。?）模式識別：用一個特定的輸出矢量將它與輸入矢量聯(lián)系起來。
?。?）分類：對輸入矢量以所定義的合適方式進行分類。
?。?）數(shù)據(jù)壓縮：減少輸出矢量維數(shù)以便于傳輸或存儲。
5 反饋神經(jīng)網(wǎng)絡(luò)
美國加州理工學(xué)院物理學(xué)家J.J.Hopfield教授于1982年發(fā)表了對神經(jīng)網(wǎng)絡(luò)發(fā)展頗具影響的論文，提出一種單層反饋神經(jīng)網(wǎng)絡(luò)，后來人們將這種反饋網(wǎng)絡(luò)稱作Hopfield網(wǎng)。在多輸入/多輸出的動態(tài)系統(tǒng)中，控制對象特性復(fù)雜，傳統(tǒng)方法難以描述復(fù)雜的系統(tǒng)。為控制對象建立模型可以減少直接進行實驗帶來的負(fù)面影響，所以模型顯得尤為重要。但是，前饋神經(jīng)網(wǎng)絡(luò)從結(jié)構(gòu)上說屬于一種靜態(tài)網(wǎng)絡(luò)，其輸入、輸出向量之間是簡單的非線性函數(shù)映射關(guān)系。實際應(yīng)用中系統(tǒng)過程大多是動態(tài)的，前饋神經(jīng)網(wǎng)絡(luò)辨識就暴露出明顯的不足，用前饋神經(jīng)網(wǎng)絡(luò)只是非線性對應(yīng)網(wǎng)絡(luò)，無反饋記憶環(huán)節(jié)，因此，利用反饋神經(jīng)網(wǎng)絡(luò)的動態(tài)特性就可以克服前饋神經(jīng)網(wǎng)絡(luò)的缺點，使神經(jīng)網(wǎng)絡(luò)更加接近系統(tǒng)的實際過程。
Hopfield神經(jīng)網(wǎng)絡(luò)的應(yīng)用：
?。?）在數(shù)字識別方面。
（2）高校科研能力評價。
?。?）應(yīng)用于聯(lián)想記憶的MATLAB程序。
6 徑向基神經(jīng)網(wǎng)絡(luò)
徑向基RBF網(wǎng)絡(luò)是一個3層的網(wǎng)絡(luò)，除了輸入、輸出層之間外僅有一個隱層。隱層中的轉(zhuǎn)換函數(shù)是局部響應(yīng)的高斯函數(shù)，而其他前向網(wǎng)絡(luò)，轉(zhuǎn)換函數(shù)一般都是全局響應(yīng)函數(shù)。由于這樣的差異，要實現(xiàn)同樣的功能，RBF需要更多的神經(jīng)元，這就是RBF網(wǎng)絡(luò)不能取代標(biāo)準(zhǔn)前向型絡(luò)的原因。但是RBF網(wǎng)絡(luò)的訓(xùn)練時間更短，它對函數(shù)的逼近時最優(yōu)的，可以以任意精度逼近任意連續(xù)函數(shù)。隱層中的神經(jīng)元越多，逼近越精確。
徑向基網(wǎng)絡(luò)的應(yīng)用：
（1）用于曲線擬合的RBF網(wǎng)絡(luò)。
（2）徑向基網(wǎng)絡(luò)實現(xiàn)非線性函數(shù)回歸。
7 自組織神經(jīng)網(wǎng)絡(luò)
自組織競爭型神經(jīng)網(wǎng)絡(luò)是一種無教師監(jiān)督學(xué)習(xí)，具有自組織功能的神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)通過自身的訓(xùn)練。能自動對輸入模式進行分類，一般由輸入層和競爭層夠曾。兩層之間各神經(jīng)元實現(xiàn)雙向連接，而且網(wǎng)絡(luò)沒有隱含層。有時競爭層之間還存在著橫向連接。
常用自組織網(wǎng)絡(luò)有一下幾種：
?。?）自組織特征映射網(wǎng)絡(luò)。
?。?）學(xué)習(xí)矢量量化網(wǎng)絡(luò)。
?。?）自適應(yīng)共振理論模型。
（4）對偶傳播網(wǎng)絡(luò)。
參考文獻
[1]韓力群.人工神經(jīng)網(wǎng)絡(luò)教程[M].北京：北京郵電大學(xué)出版社，2006.
[2]周品.神經(jīng)網(wǎng)絡(luò)設(shè)計與應(yīng)用[M].北京：清華大學(xué)出版社，2013.
作者簡介
孔令文（1989-），男，黑龍江省齊齊哈爾市人?，F(xiàn)為西南林業(yè)大學(xué)機械與交通學(xué)院在讀研究生。研究方向為計算機仿真。
作者單位
西南林業(yè)大學(xué)機械與交通學(xué)院 云南省昆明市 650224
本站僅提供存儲服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請
點擊舉報。
