码迷,mamicode.com
首页 > 其他好文 > 详细

基本的一些概念

时间:2016-04-11 14:24:44      阅读:107      评论:0      收藏:0      [点我收藏+]

标签:

一、激活函数:
1.硬极限函数:用于分类
2.线性函数:用于函数逼近
3.饱和线性函数:分类
4.Sigmoidal函数:S函数,是连续可微的,权值可用BP算法调节
5.高斯函数
二。学习规则:
1.Hebb规则
2.离散感知器学习规则
3.δ学习规则
4.Widrow—Hoff学习规则
三、神经网络的拓扑结构
1.前向神经网络:有向无环图的神经网络,没有反馈!除了输入层以外,隐层和输出层神经元都有一定的计算,因此成为计算节点。
两层感应器网络
多层感应器网络:所有的计算节点都为硬极限函数,则该网络为多层离散感应器。所以计算节点都为S函数,即所谓的BP网络。此时,网络权值和阈值可用误差反向传播学习算法(BP算法)学习!
BP算法的输出节点的激活函数根据应用的不同而异。如果用于分类,则输出层节点一般用S函数或者硬极限函数。如果用于函数逼近,则输出节点应该用线性函数。
径向基(RBF)神经网络:一个输入层、一个隐层、一个输出层。隐层基函数去距离函数,激活函数用高斯函数!
2.反馈神经网络:有环路!最著名的为Hopfield神经网络!

基本的一些概念

标签:

原文地址:http://www.cnblogs.com/itdyb/p/5377975.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!