📄 第一章 典型神经网络模型.htm
字号:
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN">
<!-- saved from url=(0044)http://www.jgchina.com/ednns/ednnsbk/4.1.htm -->
<HTML><HEAD><TITLE>第一章 典型神经网络模型</TITLE>
<META http-equiv=Content-Type content="text/html; charset=gb2312">
<META content="MSHTML 6.00.2800.1106" name=GENERATOR>
<META content=FrontPage.Editor.Document name=ProgId><LINK
href="第一章 典型神经网络模型.files/style.css" type=text/css rel=stylesheet></HEAD>
<BODY bgColor=#ffffff leftMargin=0 topMargin=0>
<TABLE height=1 cellSpacing=0 cellPadding=0 width=778 border=0>
<TBODY>
<TR>
<TD width="100%" height=1>
<P><A
href="http://www.jgchina.com/ednns/ednnsbk/director.htm">回目录</A>
<A
href="http://www.jgchina.com/ednns/ednnsbk/ednns2.htm">上一页</A>
<A href="http://www.jgchina.com/ednns/ednnsbk/4.1.2.htm">下一页</A></P></TD></TR>
<TR>
<TD width="100%" height=14>
<P align=center><FONT face=黑体 size=5>第二篇 系统模型</FONT></P></TD></TR>
<TR>
<TD width="100%" height=10>
<P align=center>第一章 典型神经网络模型</P></TD></TR>
<TR>
<TD width="100%" height=39>
<P>模拟人类实际神经网络的数学方法问世以来，人们已慢慢习惯了把这种人工神经网络直接称为神经网络。神经网络在系统辨识．模式识别，智能控制等领域有着广泛而吸引人的前景。特别在智能控制中，人们对神经网络的自学习功能尤其感兴趣，并且把神经网络这一重要特点看作是解决自动控制中按制器适应能力这个难题的关键钥匙之一。
<P>神经网络的基础在于神经元。</P>
<P>神经元是以生物神经系统的神经细胞为基础的生物模型。在人们对生物神经系统进行研究，以探讨人工智能的机制时，把神经元数学化，从而产生了神经元数学模型。</P>
<P>大量的形式相同的神经元连结在—起就组成了神经网络。神经网络是一个高度非线性动力学系统。虽然，每个神经元的结构和功能都不复杂，但是神经网络的动态行为则是十分复杂的；因此，用神经网络可以表达实际物理世界的各种现象。
<P>神经网络模型是以神经元的数学模型为基础来拥述的。神经网络模型由网络拓扑．节点特点和学习规则来表示。神经网络对人们的巨大吸引力主要在下列几点：
<P>1．并行分布处理。
<P>2．高度鲁棒性和容错能力。
<P>3．分布存储及学习能力。
<P>4．能充分逼近复杂的非线性关系。
<P>在控制领域的研究课题中，不确定性系统的控制问题长期以来都是控制理论研究的中心主题之一，但是这个问题一直没有得到有效的解决。利用神经网络的学习能力，使它在对不确定性系统的控制过程中自动学习系统的特性，从而自动适应系统随时间的特性变异，以求达到对系统的最优控制；显然这是一种十分振奋人心的意向和方法。
<P>人工神经网络的模型现在有数十种之多，在这一章中，主要介绍应用较多的典型的神经网络模型。这些模型包括BP网络、Hopfield网络、ART网络和Kohonen网络。</P></TD></TR>
<TR>
<TD width="100%" height=164>
<P align=center><A name="1.1 神经网络的基本机理和结构">1.1
神经网络的基本机理和结构</A>
<P>神经网络的基本组成单元是神经元，在数学上的神经元模型是和在生物学上的神经细胞对应的。或者说，人工神经网络理论是用神经元这种抽象的数学模型来描述客观世界的生物细胞的。
<P>很明显，生物的神经细胞是神经网络理论诞生和形成的物质基础和源泉。这样，神经元的数学描述就必须以生物神经细胞的客观行为特性为依据。因此，了解生物神经细胞的行为特性就是一件十分重要而必须的事了。</P>
<P>神经网络的拓朴结构也是以生物学解剖中神经细胞互连的方式为依据的。对神经细胞相互作用情况的揭露也是十分重要的。
<P>1．1．1 神经元及其行为机理
<P>神经元是神经网络基本元素。只有了解神经元才能认识神经网络的本质。在这一节介
绍神经元的生物学解副，信息的处理与传递方式，工作功能以及其数学模型。</P>
<P>一、神经元的生物学解剖</P>
<P>在人体内，神经元的结构形式并非是完全相同的；但是，无论结构形式如何，神经元都是
由一些基本的成份组成的。神经元的生物学解剖可以用图1—1所示的结构表示。从图中
可以看出：神经元是由细胞体，树突和轴突三部分组成。</P></TD></TR>
<TR>
<TD width="100%" height=287><IMG height=388
src="第一章 典型神经网络模型.files/4.1.ht2.gif" width=756 border=0></TD></TR>
<TR>
<TD width="100%" height=23>
<P align=center>图1-1 神经元的解剖 </P></TD></TR>
<TR>
<TD width="100%" height=2>
<P>1．细胞体
<P>细胞体是由很多分子形成的综合体，内部含有一个细胞核、核糖体、原生质网状结构等，它是神经元活动的能量供应地，在这里进行新陈代谢等各种生化过程。神经元也即是整个细胞，整个细胞的最外层称为细胞膜。</P>
<P>2．树突</P>
<P>细胞体的伸延部分产生的分枝称为树突，树突是接受从其它神经元传人的信息的入口。</P>
<P>3．轴突</P>
<P>细胞体突起的最长的外伸管状纤维称为轴突。轴突最长可达1米以上。轴突是把神经元兴奋的信息传出到其它神经元的出口。</P>
<P>突触，是一个神经元与另一个神经元之间相联系并进行信息传送的结构。突触如图1—2所示。它由突触前成分，突触间隙和突触后成分组成。突触前成分是一·个神经元的轴突末梢。突触间隙是突触前成分与后成分之间的距离空间，间隙一般为200—300Å。突触后成分可以是细胞体，树突或轴突。突触的存在说明：两个神经元的细胞质并不直接连通，两者彼此联系是通过突触这种结构接口的。有时．也把突触看作是神经元之间的连接。</P></TD></TR>
<TR>
<TD width="100%" height=10>
<P align=center><IMG height=355 src="第一章 典型神经网络模型.files/4.1.ht3.gif"
width=519 border=0> </P></TD></TR>
<TR>
<TD width="100%" height=9>
<P align=center>图1-2 突触结构 </P></TD></TR>
<TR>
<TD width="100%" height=284>
<P>目前，根据神经生理学的研究，已经发现神经元及其问的突触起码有不同的4种行为。神经元的4种生物行为有：
<P>(1)能处于抑制或兴奋状态；</P>
<P>(2)能产生爆发和平台两种情况；</P>
<P>(3)能产生抑制后的反冲；</P>
<P>(4)具有适应性。</P>
<P>突触的4种生物行为有：</P>
<P>(1)能进行信息综合；</P>
<P>(2)能产生渐次变化的传送；</P>
<P>(3)有电接触和化学接触等多种连接方式；</P>
<P>(4)会产生延时激发。</P>
<P>目前，人工神经网络的研究仅仅是对神经元的第一种行为和突触的第一种行为进行模拟，其它行为尚未考虑。所以，神经网络的研究只是处于起步的初级阶段，后边还有大量的工作等人们去探讨和研究。目前，神经网络的研究已向人们展示了其美好的前景；只要按阶段不断取得进展，神经元和突触的其它行为是完全可以实现人工模拟的。</P>
<P>二.神经元的信息处理与传递</P>
<P>1．神经元的兴奋与抑制
<P>人工神经网络对神经元的兴奋与抑制进行模拟，故而首先应了解神经元的兴奋与抑制状态。
<P>一个神经元的兴奋和抑制两种状态是由细胞膜内外之间不同的电位差来表征的。在抑制状态，细胞膜内外之间有内负外正的电位差，这个电位差大约在-50—-100mv之间。在兴奋状态，则产生内正外负的相反电位差，这时表现为约60—100mv的电脉冲。细胞膜内外的电位差是由膜内外的离子浓度不同导致的。细胞的兴奋电脉冲宽度一般大约为1ms。神经元的兴奋过程电位变化如图1—3所示。
</P></TD></TR>
<TR>
<TD width="100%" height=7>
<P align=center><IMG height=416 src="第一章 典型神经网络模型.files/4.1.ht4.gif"
width=615 border=0> </P></TD></TR>
<TR>
<TD width="100%" height=11>
⌨️ 快捷键说明
复制代码
Ctrl + C
搜索代码
Ctrl + F
全屏模式
F11
切换主题
Ctrl + Shift + D
显示快捷键
?
增大字号
Ctrl + =
减小字号
Ctrl + -