人工神经网络概述及其在分类中的应用举例_第1页
人工神经网络概述及其在分类中的应用举例_第2页
人工神经网络概述及其在分类中的应用举例_第3页
人工神经网络概述及其在分类中的应用举例_第4页
人工神经网络概述及其在分类中的应用举例_第5页
已阅读5页,还剩7页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

#/12在这种网络中,输出节点与其邻域其它节点广泛相连,并相互激励。输入节点和输出节点之间通过强度w(t)相连接。通过某种规则,不断ij地调整w(t),使得在稳定时,每一邻域的所有节点对某种输入具有类ij似的输出,并且这聚类的概率分布与输入模式的概率分布相接近。人工神经网络发展方向1、人工神经网络模型的研究利用神经生理与认知科学研究人类思维以及智能机理和利用神经基础理论的研究成果,用数理方法探索功能更加完善、性能更加优越的神经网络模型,深入研究网络算法和性能。如:稳定性、收敛性、容错性、鲁棒性等;开发新的网络数理理论,如:神经网络动力学、非线性神经场等。2、人工神经计算和进化计算要把基于链接主义的神经网络理论、基于符号主义的人工智能专家系统理论和基于进化论的人工生命这3大研究领域,自发而有机的结合起来。建立神经计算和进化计算的数学理论基础。“并行分布处理(PDP)”具有自学习、自适应和自组织的特点,这是一种提高计算性能的有效途径,是神经网络迫切需要增强的主要功能,必须加以重视,同时,还应寻找其他有效方法,建立具有计算复杂性、网络容错性和坚韧性的计算理论。进一步研究调节多层感知器的算法,使建立的模型和学习算法成为适应性神经网络的有力工具,构建多层感知器与自组织特征图级联想的复合网络,是增强网络解决实际问题能力的一个有效途径,重视链接的可编程性和通用性问题的研究,从而促进智能科学的发展。3、神经网络计算机的实现神经网络结构和神经元芯片的作用将不断扩大。神经网络结构的研究是神经网络的实现以及成功地实现应用的前提,又是优越的物理前提,他体现了算法和结构的统一是硬件和软件的混合体,未来的研究主要是针对信息处理功能体,将系统、结构、电路、器件和材料等方面的知识有机地结合起来,建构有关的新概念和新技术,在硬件实现上,研究材料的结构和组织,使他具有自然地进行信息处理的能力。人工神经网络应用人工神经网络经过多年的发展,应用研究也取得了突破性进展,范围正在不断扩大,其应用领域几乎包括各个方面。半个世纪以来,这门学科的理论和技术基础已达到了一定规模,就应用的技术领域而言有计算机视觉,语言的识别、理解与合成,优化计算,智能控制及复杂系统分析,模式识别,神经计算机研制,知识推理专家系统与人工智能。涉及的学科有神经生理学、认识科学、数理科学、心理学、信息科学、计算机科学、微电子学、光学、动力学、生物电子学等。美国、日本等国在神经网络计算机软硬件实现的开发方面也取得了显著的成绩,并逐步形成产品。人工神经网络在数据挖掘中主要应用于数据的分类和预测,在分类方法中,与传统的统计方法相比,神经网络具有很强的学习能力,极大地提高了分类的精度和预测的准测度。人工神经网络与支持向量机、遗传算法、随机森林等其他先进算法的结合,产生更为精确地算法,在R的galgo包(主要应用于生物信息学)中已经体现出来。人工神经网络分类器应用举例人工神经网络在数据挖掘中常应用于分类和预测,神经网络方法能够明显的提高分类精度。使用的数据是著名的鸢尾花(iris)数据,在R软件中是自带的数据集,也可以在从加州大学厄文分校(UCI)的机器学习库中下载。鸢尾花数据集包含150种鸢尾花的信息,每50种取自三个鸢尾花种之一:Setosa、Versicolour和Virginica。每个花的特征用下面5种属性描述:⑴萼片长度(Sepal.Length:厘米)。⑵萼片宽度(Sepal.Width:厘米)。⑶花瓣长度(Petal.Length:厘米)。⑷花瓣宽度(Petal.Width:厘米)。(5)类(Species:Setosa,Versicolour,Virginica)。

花的萼片是花的外部结构,保护花的更脆弱的部分(如花瓣)。在许多花中,萼片是绿的,只有花瓣是鲜艳多彩的,然而,对于鸢尾花,萼片也是鲜艳多彩的。R的nnet包中的nnet函数隐层只含一个感知器,激活函数有多种。在鸢尾花的分类中,激活函数使用的是线性函数,在隐层感知器的人工神经元分别设size=1,2,3,4时,分类结果为:Size=1类别11222033分类精度0.88TOC\o"1-5"\h\z类别11222033分类精度0.8803体250精022度Size=2,3,4类别1231Size=2,3,4类别123124012025031024分类精度0.9610.96体精度0.9867而基于马氏距离的层次聚类结果的聚类误差矩阵为:hclus123总15000体204916精30134度分类精度10.980.680.7666667可以看出,使用神经网络分类器所得的结果的精度高达98.67%,而聚类分析的层次聚类方法所得到的结果得精度只有76.67%。证明分层神经网络分类算法可以显著提高分类精度。鲁棒是Robust的音译,也就是健壮和强壮的意思。它是在异常和危险情况下系统生存的关键。比如说,计算机软件在输入错

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论