五 分类：其他技术4

5.4 人工神经网络ANN

XOR问题

5.4.1感知器

学习感知器模型
感知器训练阶段，就是不断调整权值参数使得输出和训练实例输出一致

算法第七步：权值更新公式
新权值等于旧权值加上一个正比于预测误差的项
线性可分：感知器学习算法保证收敛
线性不可分：算法不收敛

5.4.2 多层人工神经网络

复杂化感知器
（1）网络输入层和输出层之间包括多个中间层，即隐藏层，隐藏结点
前馈神经网络：每一层的结点仅和下一层结点连接< ---- > 递归神经网络
（2）其他激活函数
基于梯度下降的神经网络权值学习方法
1.学习ANN模型
ANN学习算法的目的是确定一组权值最小化误差的平方和：

梯度下降法使用的权值更新公式：

反向传播
2.ANN学习中的设计问题
（1）确定输入层的节点数目
（2）确定输出层的节点数目
（3）选择网络拓扑结构
（4)初始化权值和偏置
（5）去掉有遗漏值的训练样例

5.4.3 人工神经网络的特点