類神經(jīng)網(wǎng)路Artificial Neural Network

1、類神經(jīng)網(wǎng)路Artificial Neural Networkl 模仿生物神經(jīng)網(wǎng)路的數(shù)學(xué)模式。l 最早關(guān)於大腦和思考程序的理論性解釋起源於希臘哲學(xué)家柏拉圖(427-347B.C.)和亞里斯多德(384-322B.C.)。18世紀(jì)的哲學(xué)家對於心智程序提出了較為具體的看法。個(gè)別神經(jīng)細(xì)胞 nIf IiWi> i=1Then Output=1Else Output=0Input 1 w1 Input 2 w2 Output w3 Input n神經(jīng)細(xì)胞網(wǎng)絡(luò)連結(jié) output layer hidden layer input layer ANN模型(.tw/EzNeuron/en1.htm) n H

2、opfield神經(jīng)網(wǎng)路u 使用最陡坡降程序來讓特定的能量函數(shù)趨於一個(gè)局部或者總體最小值。u 原始C程式碼( n 模擬退火(Simulated Annealing, SA)u 機(jī)率登山搜尋演算法，可找到總體最小值，但甚耗時(shí)(幾難接受)。u 模擬物體加熱後，緩慢降溫，可獲得相當(dāng)穩(wěn)定結(jié)構(gòu)(最低能量)狀態(tài)的過程。此一最低能量狀態(tài)便是欲求的最小值解。u 將降溫過程分成數(shù)個(gè)階段，每一階段得到一個(gè)暫時(shí)解。暫時(shí)解之能量若小於前一階段之能量則無條件接受。若大於前一階段，則以機(jī)率決定是否接受。亦可跳躍， 以避開局部陷阱，或小山頭。(/REU/reu94/ramoldov

3、/proposal/section3_2.html)u IAN'S INTRODUCTION TO SIMULATED ANNEALINGu 參考資料及軟體(u C程式碼(/GROUP95/0174.html) n 退火神經(jīng)網(wǎng)路(Annealed Neural Networks)u 融合了Hopfield和模擬退火二種模式的優(yōu)點(diǎn)。可解決許多組合最佳化的問題。u I-Cheng Yeh, "Construction-Site Layout Using Annealed Neural Networks," , ASCE Jou

4、rnal of Computing in Civil Engineering Volume 9, Number 3, July 1995, Pages 201-208.l 類神經(jīng)網(wǎng)路必須透過學(xué)習(xí)階段，成功之後才進(jìn)入實(shí)作的過程可以作研究的題目：一、如何挑一個(gè)好的model，如何設(shè)計(jì)model? 二、如何表達(dá)一個(gè)形狀（平面圖），如何產(chǎn)生設(shè)計(jì)? 三、要有多少案例才可進(jìn)行良好的訓(xùn)練?四、如何選擇好的學(xué)習(xí)及測試案例?類神經(jīng)網(wǎng)路的特性：一、可以用來作分類 二、就像統(tǒng)計(jì)現(xiàn)象一樣，說明兩個(gè)現(xiàn)象的關(guān)係。但是統(tǒng)計(jì)中的數(shù)字、文字很容易理解，但是類神經(jīng)網(wǎng)路的權(quán)重不知其義，無法理解其中原理，像是一個(gè)灰箱。 三、若其中有一個(gè)細(xì)胞死了，只會去除相關(guān)連結(jié)，不會影響思維。類神經(jīng)網(wǎng)路有復(fù)原的功能。 四、可能會過度學(xué)習(xí)，反而學(xué)不會。l 相關(guān)英文簡介網(wǎng)站 http:/www.gc.ssr.upm.es/inves/neural/ann1/anntutorial.html l 類神經(jīng)網(wǎng)路模擬軟體(.tw/software/newpage31.htm) l 在組合最佳化問題解法之應(yīng)用n 無法用線性規(guī)劃或非線性規(guī)劃來解決。通常用分支限制搜尋(branch-and-bo