【办公资料】人工神经网络---数学建模培训ppt课件

1、人人 工工 神神 经经 网网 络络5. MATLAB的图像交互界面的图像交互界面 人工神经网络根本概念人工神经网络根本概念 11 生物神经元及生物神经网络神经元是大脑处置信息的根本单元，以细胞体为主体，由许多向周围延伸的不规那么树枝状纤维构成的神经细胞，其外形很像一棵枯树的枝干。它主要由细胞体、树突、轴突和突触(Synapse，又称神经键)组成。人脑大约由1012个神经元组成，神经元相互衔接成神经网络.人工神经网络根本概念人工神经网络根本概念图1 生物神经元表示图 人工神经网络根本概念人工神经网络根本概念从神经元各组成部分的功能来看，信息的处置与传送主要发生在突触附近。当神经元细胞体经过轴突传

2、到突触前膜的脉冲幅度到达一定强度，即超越其阈值电位后，突触前膜将向突触间隙释放神经传送的化学物质。突触有两种：兴奋性突触和抑制性突触。前者产生正突触后电位，后者产生负突触后电位。人工神经网络根本概念人工神经网络根本概念 12 人工神经元模型生物神经元是一个多输入、单输出单元。 常用的人工神经元模型可用图2模拟。 图2 人工神经元模型 人工神经网络根本概念人工神经网络根本概念niiixs1呼应函数激活函数的根本作用：1、控制输入对输出的激活作用；2、对输入、输出进展函数转换；3、将能够无限域的输入变换成指定的有限范围内的输出。 人工神经网络根本概念人工神经网络根本概念常见的呼应函数有以下几种类型

3、： 1、阶跃函数 2、线性函数 3、非线性：Sigmoid函数 人工神经网络根本概念人工神经网络根本概念图3 常见呼应函数 人工神经网络根本概念人工神经网络根本概念 1.3 建立和运用神经网络的步骤 1网络构造确实定包含网络的拓扑构造和每个神经元相应函数的选取； 2权值和阈值确实定经过学习得到，为有指点的学习，也就是利用知的一组正确的输入、输出数据，调整权和阈值使得网络输出与理想输出偏向尽量小； 3任务阶段用带有确定权重和阈值的神经网络处理实践问题的过程，也叫模拟simulate。单层前向线性网络 2.1 单层前向神经网络网络中的神经元是分层陈列的。单层：只需输入和输出层。 前向：信息由上一层

4、的神经元向下一层神经元传送，即：上层的输出就是下层的输入；同层神经元之间没有信息传送。单层前向线性网络单层前向线性网络单层前向线性网络x1x2xmy1y2ynwnmw11wn1wn2w1m输出层输出层输入层输入层图3 单层前向神经网络 12m单层前向线性网络单层前向线性网络 2.2 线性网络采用线性相应函数，得单层前向线性网络实际上这是一个很好的结果。另一种，学习过程面对自顺应性网络，采用的学习规那么为：误差修正规那么单层前向线性网络单层前向线性网络领会：最小二乘规那么与误差修正规那么的区别。感受：牛顿迭代与误差修正在梯度下降方面的异同。单层前向线性网络 2.3 线性网络的MATLAB实现MA

5、TLAB产生线性网络的命令：net=newlin(A,n);其中，A为m2的矩阵，m为输入变量的个数，每一行分别表示对应输入变量的下、上界；n为输出变量的个数。最小二乘规那么的学习命令：net=newlind(P,T);其中，P为学习的输入数据矩阵,T为学习的理想输出矩阵。单层前向线性网络计算网络输出的命令：result=sim(net,P)P为任务阶段需求计算的输入矩阵。误差修正规那么的学习命令：net=train(net,P,T)利用误差修正，对P,T一对对的学习，每学习一遍称为一轮epoch.默许学习效率为1.在用该命令前，需给定平均误差方差上限和计算的最大轮数。单层前向线性网络 例1：

6、 例2： 例3：人 工 神 经 网 络 3.1 根本原理 三. 阶 跃 网 络 3.2 阶跃网络的MATLAB实现产生网络的命令：net=newp(A,n);数据意义和其他命令均与线性网络一样。 例4：略四. 多层前向神经网络x1输出层输出层隐藏层隐藏层输入层输入层x2xn图4 二层前向神经网络表示图 四. 多层前向神经网络假设每一层都采用线性相应函数，那么有假设每一层都采用线性相应函数，那么有 ,11,21,1nn nnnZLWLWIWX四. 多层前向神经网络 4.1 BPback-propagation规那么四. 多层前向神经网络 1111,11,1,11,111,112kkkktkjin

7、nkktkkttkKtttEtt LWLWWIWIWWWW学习算法过程：学习算法过程：1给定学习数组，随机确定初始化权矩阵；给定最小给定学习数组，随机确定初始化权矩阵；给定最小二乘目的函数的偏向上界和迭代次数；二乘目的函数的偏向上界和迭代次数；2用逐一或者成批学习规那么修正权值，直到到达偏用逐一或者成批学习规那么修正权值，直到到达偏向要求或者迭代次数上限。向要求或者迭代次数上限。四. 多层前向神经网络 运用BP网络时本卷须知： 呼应函数为S形函数，只能趋于0或者1； 初始权和阈值最好随机选取； 算法的全局最优可以经过其他方法改良得到； BP算法主要采用与梯度下降有关的学习方法，非线性函数优化有

8、很多的方向下降法，这些方法都可以运用过来。 比如：traingdm势能修正法、traingdx自调整学习效率法、trainbfg拟牛顿法、trainscg标量共轭梯度法 等等。四. 多层前向神经网络 4.2 MATLAB实现 产生多层网络构造的命令：net=newff(A,B,C,trainfun);A同前，规模为n02,代表n0个输入的下、上界B是一个K为行向量，其分量为对应层神经元个数，C是一个K维字符串向量，每个字符串代表对应层神经元的呼应函数； trainfun为学习规那么。 可选呼应函数字符串：logsig,tansig,purelin 分代表： Sigmoid ，双曲正切，线性函数

9、四. 多层前向神经网络 常见参数： net.trainParam.show 显示中间结果的周期25 net.trainParam.lr 整批学习中的学习效率0.01 net.trainParam.mc 势能学习规那么(traingdm)势能率0.9 net.trainParam.epochs 整批学习迭代次数上限100 net.trainParam.goal 最小二乘目的误差设定值0四. 多层前向神经网络 4.3 运用举例 例5： 例6：谵妄的诊断 谵妄是由于各种缘由引起的急性脑器质性综合症，其特点是急性发病，认识程度变化，病程动摇，定向力、留意力、思想、精神运动、行为和情感改动。根据国外19

10、80年以后的有关谵妄研讨文献的报道，谵妄的发病率为4%25%。目前对谵妄的发病机制还了解不多，诊断的方式常采用多个目的综合评价。四. 多层前向神经网络如对老年人谵妄，通常采用检查表的方式确诊，检查表如对老年人谵妄，通常采用检查表的方式确诊，检查表中的中的11个工程包含：个工程包含：急性起病：病人的精神情况有急性变化的证据吗？急性起病：病人的精神情况有急性变化的证据吗？留意妨碍：患者的留意力难以集中吗？留意妨碍：患者的留意力难以集中吗？思想混乱：患者的思想是混乱或是不衔接吗？思想混乱：患者的思想是混乱或是不衔接吗？认识程度的改动：总体上看，您如何评价该患者的认识认识程度的改动：总体上看，您如何评

11、价该患者的认识程度？程度？定向妨碍：在会面的任何时间患者存在定向妨碍吗？定向妨碍：在会面的任何时间患者存在定向妨碍吗？记忆力减退：在面谈时患者表现出记忆方面的问题吗？记忆力减退：在面谈时患者表现出记忆方面的问题吗？知觉妨碍：患者有知觉妨碍的证据吗？知觉妨碍：患者有知觉妨碍的证据吗？精神运动性兴奋：面谈时患者的行为活动有不正常的添精神运动性兴奋：面谈时患者的行为活动有不正常的添加吗？加吗？精神运动性缓慢：面谈时患者有运动行为程度的异常减精神运动性缓慢：面谈时患者有运动行为程度的异常减少吗？少吗？动摇性：患者的精神情况留意力、思想、定向、记忆动摇性：患者的精神情况留意力、思想、定向、记忆力在面谈前

12、或者在面谈中有动摇吗？力在面谈前或者在面谈中有动摇吗？睡眠睡眠-觉悟周期的改动：患者有睡眠觉悟周期的改动：患者有睡眠-觉悟周期紊乱的证据觉悟周期紊乱的证据吗？吗？四. 多层前向神经网络针对以上11个问题，医生对病人进展察看和提问，每项分4个等级打分：不存在1分；轻度存在2分；中度存在3分；严重存在4分。数据为一个医生对96名测试人员的察看和提问，并经过计分方式记录下来的直观诊断。诊断规范为：22分以上可诊断为谵妄，在量表诊断一列中记为Y否那么记为N。这样的规范能否合理？四. 多层前向神经网络序号起病注意思维意识定向记忆错觉兴奋迟滞波动睡眠22分标准量表诊断13322212313325 Y24443333414436 Y33322332213428 Y96 1222111311217 N四. 多层前向神经网络实践上曾经知道