類神經(jīng)網(wǎng)路的基本架構

1、類神經(jīng)網(wǎng)路的基本架構類神經(jīng)網(wǎng)路的組成方式為;由數(shù)個人工神經(jīng)元組成層(layer)，再由層組成網(wǎng)路。茲將各部份簡述如下:(1)人工神經(jīng)元可由三個函數(shù)來說明其架構:其中包括集成函數(shù)(summation function)，作用函數(shù)(activity function)，及轉換函數(shù)(transfer function)。集成函數(shù)為將前一層處理單元之輸出經(jīng)網(wǎng)路的連接權重匯集至神經(jīng)元中，通常以IJ = WijXi-j 表示，其中Wij 為網(wǎng)路的連接權值，網(wǎng)路學習的目的即為調(diào)整連接權值使輸出向量達到目標，並使目標之誤差值降至最小。Xi 代表輸入向量，而j 為該處理單元之初始狀態(tài)，一般稱作門限值(thres

2、holds)或閥值。而作用函數(shù)係將集成函數(shù)所得的結果與上一時間神經(jīng)元的狀態(tài)加一綜合，一般直接以netj = IJ表示，不另做處理。至於轉換函數(shù)則具有將輸入值轉換為單位向量的功用，可使用線性函數(shù)Y j= netj ，或以非線性雙彎曲函數(shù)(sigmoid function)- +表示。由以上可知，可依需求更改處理單元中三函數(shù)之數(shù)學式，以達到特定的目的。(2)層在前向式類神經(jīng)網(wǎng)路(feedforward neural network)的網(wǎng)路架構中， 依功能可分為輸入層(input layer)、隱藏層(hidden layer)及輸出層(output layer)。其中輸入層係將輸入向量輸入，用以表

3、現(xiàn)網(wǎng)路輸入變數(shù)，其處理單元數(shù)目依問題而定，且一般輸入層的轉換函數(shù)採用線性函數(shù)。而隱藏層則負責處理輸入向量與輸出向量間之交互影響，且應用上常採用一層到二層的隱藏層，此乃因過多的隱藏層易造成計算上落入?yún)^(qū)域極小值(local minimum)的缺點。輸出層為將輸出向量輸出之神經(jīng)元，用以表現(xiàn)網(wǎng)路之輸出變數(shù)。(3)網(wǎng)路演算過程可分為學習過程(learning process)及回想過程(recalling process)，其中學習過程為網(wǎng)路依學習演算法，從範例中讀入輸入值及輸出值並加以學習，若輸出值之誤差過大，則網(wǎng)路將修正連接神經(jīng)元的加權值，使網(wǎng)路輸出值與實測值之誤差達至理想目標，即使推論輸出值趨近目

4、標值。此學習過程以一次一個訓練範例的方式進行，直到學習完所有的訓練範例稱之為一個學習循環(huán)(1 epoch)。網(wǎng)路系統(tǒng)必須將訓練範例反覆學習數(shù)個循環(huán)，直到達收斂為止。而回想過程為網(wǎng)路依學習過程 中所學習到之連接權值套用，將輸入向量輸入，根據(jù)連接權重運算預測輸出向量的過程，亦可稱為預測過程(forecasting process)。而預測之結果本文使用均方根誤差(RMS)與相關係數(shù)(C.C.)來判斷其成效。    類神經(jīng)網(wǎng)路也是一種經(jīng)驗數(shù)學模式，可以利用已知的資料，直接建立輸入資料與輸出資料之間的關係。類神經(jīng)網(wǎng)路的種類有很多種，讀者若對其原理有興趣可以參考王

5、和蕭（2001），書中有詳盡介紹。使用類神經(jīng)網(wǎng)路建立數(shù)學模式的優(yōu)點有很多，茲舉例如下：1.較佳的容錯能力：具有過濾、適應性學習能力。2.多輸入、多輸出：沒有傳統(tǒng)迴歸分析必須是多對一函數(shù)的限制，可以是多輸入、多輸出系統(tǒng)（MIMO），但是，需注意輸入項目需多於輸出項目。· a1an為輸入向量的各個分量 · w1wn為神經(jīng)元各個突觸的權值 · b為偏置 · f為傳遞函數(shù)，通常為非線性函數(shù)。以下默認為hardlim() · t為神經(jīng)元輸出 數(shù)學表示 t=f(WA'+b)· W為權向量 · A為輸入向量，A'為A向量的轉置 · b為偏置 · f為傳遞函數(shù) 可見，一個神經(jīng)元的功能是求得輸入向量與權向量的內(nèi)積後，經(jīng)一個非線性傳遞函數(shù)得到一個純量結果。單個神經(jīng)元的作用：把一個n維向量空間用一個超平面分割成兩部分（稱之為判斷邊界），給定一個輸入向量，神經(jīng)元可以判