神经网络及其PID控制

本文详细介绍了人工神经元模型,包括突触权值、求和单元、激活函数和外部偏置,接着讨论了神经网络的结构,如前馈型和反馈型网络,并讲解了如何确定网络结构。最后,阐述了神经网络的学习过程,涵盖有监督、无监督和增强式学习方式。
摘要由CSDN通过智能技术生成

一、人工神经元模型

image

1、突触权值(连接权)

    每一个突触都由其权值作为特征表征,各个神经元之间的连接强度由突触权值来表示。与神经元相连的突触上,连接的输入信号通过权值的加权进入神经元的求和单元。

 

2、求和单元

    求和单元用于求取各输入信号的突触加权和,这个操作构成一个线性组合器。

 

3、激活函数

    激活函数起非线性映射的作用,并用来限制神经元输出振幅。激活函数也称限制函数,或传输函数。通常一个神经元输出的正常范围在[0, 1]区间或[−1, 1]区间。

 

4、外部偏置

    此外,神经元模型还包括一个外部偏置,或外部偏置称为阀值,偏置的作用是根据其为正或负,相应的增加或者降低激活函数的网络输入。

 

5、一对方程描述神经元

image

6、激活函数

(1)阶跃函数

(2)分段线性函数

(3)Sigmoid函数image

(4)双曲正切函数:

  • 2
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值