【知识点整理】反馈神经网络

相关参考申明

课程链接:https://edu.aliyun.com/course/1923

神经网络算法详解 04:反馈神经网络(Hopfield、BAM、BM、RBM)

如有侵权,请联系删除。

基于课程资料的相关整理,进行个人总结记录,以便后续记忆。

1 前馈神经网络——FeedForwardNN

一种最简单的神经网络,采用单向多层结构各神经元分层排列,每个神经元只与前一层的神经元相连。接收前一层的输出并输出给下一层,各层间没有反馈

输入层和输出层是必要的,隐藏层可有可无→单/多层感知器。

前馈网络包括三类节点

  • 输入节点(lnputNodes):外界信息输入,不进行任何计算,仅向下一层节点传递信息
  • 隐藏节点(HiddenNodes):接收上一层节点的输入,进行计算,并将信息传到下一层节点
  • 输出节点(OutputNodes):接收上一层节点的输入,进行计算,并将结果输出

2 反馈神经网络 ——FeedBackNN

又称递归网络、回归网络,是一种将输出经过一步时移再接入到输入层的神经网络系统。这类网络中,神经元可以互连,有些神经元的输出会被反馈至同层甚至前层的神经元。常见的有Hopfield神经网络、Elman神经网络、Boltzmann机等。

小结 

前馈神经网络与反馈神经网络的区别
前馈神经网络反馈神经网络
神经元

各层神经元无连接

单纯上传下达,正向流动

层间神经元有连接

数据可以在同层流动或反馈至前层

时间

不考虑输出与输入在时间上的滞后效应

只表达输出与输入的映射关系

考虑输出与输入之间在时间上的延迟

需要动态方程来描述系统的模型

计算

主要采用误差修止法(如BP算法)

计算过程一般比较慢

收敛速度也比较慢

主要采用Hebb学习规则

一般情况下计算的收敛速度很快

优势

相比前馈神经网络,反馈神经网络更适合应用在联想记忆和优化计算等领域


 

 

 

 

 

  • 2
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

MengYa_DreamZ

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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