神經(jīng)網(wǎng)絡(luò)模型課件

1、三種典型的神經(jīng)網(wǎng)絡(luò)模型及其應(yīng)用一、BP神經(jīng)網(wǎng)絡(luò)模型二、Hopfield網(wǎng)絡(luò)模型三、Elman網(wǎng)絡(luò)模型四、應(yīng)用案例一、BP神經(jīng)網(wǎng)絡(luò)模型Rumelhart，McClelland于1985年提出了BP網(wǎng)絡(luò)的誤差反向后傳BP(Back Propagation)學(xué)習(xí)算法BP算法基本原理利用輸出后的誤差來估計輸出層的直接前導(dǎo)層的誤差，再用這個誤差估計更前一層的誤差，如此一層一層的反傳下去，就獲得了所有其他各層的誤差估計。 J. McClelland David Rumelhart 三層BP網(wǎng)絡(luò)二、Hopfield網(wǎng)絡(luò)模型Hopfield網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)發(fā)展歷史上的一個重要的里程碑。由美國加州理工學(xué)院物理學(xué)家

2、J.J.Hopfield教授于1982年提出，是一種單層反饋神經(jīng)網(wǎng)絡(luò)。 Hopfield神經(jīng)網(wǎng)絡(luò)模型是一種循環(huán)神經(jīng)網(wǎng)絡(luò)，從輸出到輸入有反饋連接。Hopfield網(wǎng)絡(luò)分為離散型和連續(xù)型兩種網(wǎng)絡(luò)模型，分別記作DHNN (Discrete Hopfield Neural Network) 和CHNN (Continues Hopfield Neural Network) 。 Hello,Im John Hopfield網(wǎng)絡(luò)模型表示法二（離散型）網(wǎng)絡(luò)模型表示法（連續(xù)型）Elman網(wǎng)絡(luò)由4層組成輸入層 信號傳輸作用隱含層承接層 也稱上下文單元或狀態(tài)層,承接層從隱含層接收反饋信號，用來記憶隱含層神經(jīng)元前一時刻的的輸出值，承接層神經(jīng)元的輸出經(jīng)延遲與存儲，再輸入到隱含層。這樣就使其對歷史數(shù)據(jù)具有敏感性，增加了網(wǎng)絡(luò)自身處理動態(tài)信息的能力。輸出層 僅起線性加權(quán)作用。Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)預(yù)測和評價大氣質(zhì)量：近些年來, 我國學(xué)者在利用神經(jīng)網(wǎng)絡(luò)進(jìn)行環(huán)境質(zhì)量評價方面做了不少的工作。神經(jīng)網(wǎng)絡(luò)在環(huán)境評價中表現(xiàn)出的優(yōu)越性受到越來越多的重視。隨著神經(jīng)網(wǎng)絡(luò)本身以及相