2.1多层前馈神经网络
原理:有大量可以并行处理的神经元组成,一是可以通过学习从外部环境中获取知识,二是由神经元之间的权值连接存储获取的知识。神经网络依靠复杂的输入输出反复调整参数的过程,让网络对一些输入的响应产生符合所希望的要求。
BP网络:(以此模型为代表进行介绍)
类型:典型的多层前馈神经网络
组成及工作原理:一般有输入层、中间层和输出层构成。每层都有若干个神经元组成,相邻两层的神经元之间全连接,每层神经元的输入来自前一层神经元的一个或多个输出,同层的各神经元之间不存在反馈和连接。
BP网络特点:单向进行,学习过程中不存在特定的数学公式,全部由网络自行调整学习
2.1.1神经元模型
神经网络模型:最原始的MP模型(单个神经元具备执行逻辑的功能)
单个神经元的工作模型:神经元是由一个或多个输入、一个输出、yige代表其处于抑制或激活状态的阈值组成的非线性单元。