《大脑的解题—神经网路简介》由会员分享，可在线阅读，更多相关《大脑的解题—神经网路简介（44页珍藏版）》请在金锄头文库上搜索。
1、大腦的解題神經網路簡介陳慶瀚陳慶瀚 機器智慧與自動化技術機器智慧與自動化技術(MIAT)(MIAT)實驗室實驗室 義守大學電機系義守大學電機系 pierreisu.edu.twpierreisu.edu.tw 20052005年年1111月月0101日日產業研發碩士專班課程當代系統科學思想本週主題1.生物和人工的神經系統 2. 神經網路解題 3. 神經網路應用生物和人工的神經系統生物系統和人工系統生物系統和人工系統生物系統人工系統人腦與計算機人腦與計算機人腦計算機人工神經網路是一種非線性的輸入/輸出映射系統， 它的結構係參照人類及動物的神經系統來設計的。人工神經網路人工神經網路神經網路運作模型
2、神經網路運作模型人工 v.s.真實神經網路人工神經網路真實神經網路結構均質結構非均質結構資訊流前向式(feedforward)遞迴式(recurrent)神經元數量101000個1011個動力靜態動態McCulloch-Pitts神經元模型T : ThresholdE : Sum of activated excitory inputsI : Sum of activated inhibitory inputs以神經元模擬邏輯函數泛用途人工神經元模型二元輸出的人工神經元模型神經元的轉移函數：線性函數Hard Limit-Linear轉移函數Sigmoid(Logistic)轉移函數Weight
3、less的神經元神經網路解題神經網路的學習學習(learning)意指一個系統調整其系統變數的過程， 其目標在於針對特定輸入值產生對應的輸出值。神經網路學習方法論1. 問題的形式化(Formalization)：變數的選擇和表示 2. 準備學習的資料(data preparing) 3. 決定系統(神經網路)的模型和結構 4. 選擇評估函數(objective function) 5. 選擇最佳化的方法：調整系統參數使得誤差最小 6. 先驗的(Prior)學習法則或啟發式的(heuristic)知識 7. 泛用化(Generalization)神經網路學習的架構評估函數用來度量神經網路學習性能
4、。mean-squared error :sum of squared errors : 評估函數圖解學習解決分類問題線性可分離線性不可分離神經網路解題特色神經網路解題特色傳統DSP神經網路決定論訊號處理統計訊號處理線性非線性資料無關資料相依無記憶系統動態系統神經網路解題範例輸入神經網路的應用神經網路應用：分類神經網路應用：群組分析神經網路應用：建模神經網路應用：預測神經網路應用：組合最佳化神經網路應用：資訊擷取神經網路應用：控制神經網路應用：知識探勘神經網路應用(MIAT)數位變焦神經網路應用(MIAT)現有方法變焦神經網路變焦原始影像神經網路應用(MIAT)自動對焦神經網路控制器神經網路應用(MIAT)自動白平衡神經網路應用(MIAT)自動白平衡神經網路應用(MIAT)神經網路自動倒車入庫系統神經網路應用(MIAT)指紋辨識神經網路神經網路應用(MIAT)人臉和虹膜辨識結語 人工神經網路仿傚大腦相互鏈結的神經網 路，進行案例的學習和自組織，可從大量 資料歸納出有用的知識模型。人工神經網路由分散的、平行的處理單元 所組成，可對非線性、複雜的現象進行建 模。人工神經網路並非來自解析模型，而是一 種泛用的解題機器(problem solver)。
