人工神經(jīng)網(wǎng)絡-課件文檔資料

醫(yī)藥信息分析與決策第八章人工神經(jīng)網(wǎng)絡

人腦的結構、機制和功能中凝聚著無比的奧秘和智慧。地球是宇宙的驕子，人類是地球的寵兒，大腦是人的主宰。

現(xiàn)在是探索腦的奧秘，從中獲得智慧，在其啟發(fā)下構造為人類文明服務的高級智能系統(tǒng)的時候了！2024/10/302本章要點一、神經(jīng)網(wǎng)絡簡介二、MATLAB簡介三、神經(jīng)網(wǎng)絡建?；A四、利用MicrosoftSQLServer2019實踐神經(jīng)網(wǎng)絡算法2024/10/303《醫(yī)學信息分析與決策》課程組一、神經(jīng)網(wǎng)絡簡介人腦與計算機信息處理能力的比較記憶與聯(lián)想能力學習與認知能力信息加工能力信息綜合能力信息處理速度2024/10/304《醫(yī)學信息分析與決策》課程組一、神經(jīng)網(wǎng)絡簡介人腦與計算機信息處理機制的比較系統(tǒng)結構信號形式信息存儲信息處理機制2024/10/305《醫(yī)學信息分析與決策》課程組一、神經(jīng)網(wǎng)絡簡介

生物神經(jīng)網(wǎng)絡人類的大腦大約有1.4

1011個神經(jīng)細胞，亦稱為神經(jīng)元。每個神經(jīng)元有數(shù)以千計的通道同其它神經(jīng)元廣泛相互連接，形成復雜的生物神經(jīng)網(wǎng)絡。人工神經(jīng)網(wǎng)絡以數(shù)學和物理方法以及信息處理的角度對人腦神經(jīng)網(wǎng)絡進行抽象，并建立某種簡化模型，就稱為人工神經(jīng)網(wǎng)絡（ArtificialNeuralNetwork，縮寫ANN）。2024/10/306《醫(yī)學信息分析與決策》課程組一、神經(jīng)網(wǎng)絡簡介人工神經(jīng)網(wǎng)絡定義神經(jīng)網(wǎng)絡是由多個非常簡單的處理單元彼此按某種方式相互連接而形成的計算系統(tǒng)，該系統(tǒng)是靠其狀態(tài)對外部輸入信息的動態(tài)響應來處理信息的。人工神經(jīng)網(wǎng)絡是一個由許多簡單的并行工作的處理單元組成的系統(tǒng)，其功能取決于網(wǎng)絡的結構、連接強度以及各單元的處理方式。人工神經(jīng)網(wǎng)絡是一種旨在模仿人腦結構及其功能的信息處理系統(tǒng)。2024/10/307《醫(yī)學信息分析與決策》課程組一、神經(jīng)網(wǎng)絡簡介神經(jīng)網(wǎng)絡的基本特征能力特征：自學習自組織自適應性結構特征：并行式處理分布式存儲容錯性2024/10/308《醫(yī)學信息分析與決策》課程組一、神經(jīng)網(wǎng)絡簡介聯(lián)想記憶功能神經(jīng)網(wǎng)絡的基本功能2024/10/309《醫(yī)學信息分析與決策》課程組一、神經(jīng)網(wǎng)絡簡介神經(jīng)網(wǎng)絡的基本功能非線性映射功能2024/10/3010《醫(yī)學信息分析與決策》課程組神經(jīng)網(wǎng)絡的基本功能分類與識別功能一、神經(jīng)網(wǎng)絡簡介2024/10/3011《醫(yī)學信息分析與決策》課程組神經(jīng)網(wǎng)絡的基本功能優(yōu)化計算功能一、神經(jīng)網(wǎng)絡簡介2024/10/3012《醫(yī)學信息分析與決策》課程組神經(jīng)網(wǎng)絡的基本功能知識處理功能一、神經(jīng)網(wǎng)絡簡介2024/10/3013《醫(yī)學信息分析與決策》課程組神經(jīng)網(wǎng)絡的應用領域：信息處理領域信號處理模式識別數(shù)據(jù)壓縮一、神經(jīng)網(wǎng)絡簡介2024/10/3014《醫(yī)學信息分析與決策》課程組神經(jīng)網(wǎng)絡的應用領域：自動化領域系統(tǒng)識別神經(jīng)控制器智能檢測一、神經(jīng)網(wǎng)絡簡介2024/10/3015《醫(yī)學信息分析與決策》課程組神經(jīng)網(wǎng)絡的應用領域：工程領域汽車工程軍事工程化學工程水利工程一、神經(jīng)網(wǎng)絡簡介2024/10/3016《醫(yī)學信息分析與決策》課程組神經(jīng)網(wǎng)絡的應用領域：醫(yī)學領域檢測數(shù)據(jù)分析生物活性研究醫(yī)學專家系統(tǒng)一、神經(jīng)網(wǎng)絡簡介2024/10/3017《醫(yī)學信息分析與決策》課程組神經(jīng)網(wǎng)絡的應用領域：經(jīng)濟領域信貸分析市場預測一、神經(jīng)網(wǎng)絡簡介2024/10/3018《醫(yī)學信息分析與決策》課程組神經(jīng)網(wǎng)絡的軟硬件實現(xiàn)神經(jīng)網(wǎng)絡編程語言既可用高級語言也可用低級語言。C語言是神經(jīng)網(wǎng)絡應用軟件的基本編程工具;匯編語言常用于提高神經(jīng)網(wǎng)絡的已有功能或解決與硬件相關的難點。MATLAB名字由MATrix和LABoratory兩詞的前三個字母組合而成。20世紀七十年代后期，時任美國新墨西哥大學計算機科學系主任的CleveMoler教授出于減輕學生編程負擔的動機，為學生設計了一組調(diào)用LINPACK和EISPACK庫程序的“通俗易用”的接口，此即用FORTRAN編寫的萌芽狀態(tài)的MATLAB。一、神經(jīng)網(wǎng)絡簡介2024/10/3019《醫(yī)學信息分析與決策》課程組神經(jīng)網(wǎng)絡的軟硬件實現(xiàn)MATLAB以商品形式出現(xiàn)后，僅短短幾年，就以其良好的開放性和運行的可靠性，使原先控制領域里的封閉式軟件包（如英國的UMIST，瑞典的LUND和SIMNON，德國的KEDDC）紛紛淘汰，而改以MATLAB為平臺加以重建。在時間進入20世紀九十年代的時候，MATLAB已經(jīng)成為國際控制界公認的標準計算軟件。一、神經(jīng)網(wǎng)絡簡介2024/10/3020《醫(yī)學信息分析與決策》課程組神經(jīng)網(wǎng)絡的軟硬件實現(xiàn)在歐美大學里，諸如應用代數(shù)、數(shù)理統(tǒng)計、自動控制、數(shù)字信號處理、模擬與數(shù)字通信、時間序列分析、動態(tài)系統(tǒng)仿真等課程的教科書都把MATLAB作為內(nèi)容。這幾乎成了九十年代教科書與舊版書籍的區(qū)別性標志。在那里，MATLAB是攻讀學位的大學生、碩士生、博士生必須掌握的基本工具。一、神經(jīng)網(wǎng)絡簡介2024/10/3021《醫(yī)學信息分析與決策》課程組神經(jīng)網(wǎng)絡的軟硬件實現(xiàn)MATLAB的推出得到了各個領域的專家學者的廣泛關注，在此基礎上，專家們相繼推出了MATLAB工具箱，主要包括信號處理、控制系統(tǒng)、神經(jīng)網(wǎng)絡、圖像處理、魯棒控制、非線性系統(tǒng)控制設計、系統(tǒng)辨識、最優(yōu)化、模糊邏輯、小波等工具箱，這些工具箱給各個領域的研究和工程應用提供了有力的工具。一、神經(jīng)網(wǎng)絡簡介2024/10/3022《醫(yī)學信息分析與決策》課程組參考文獻[1]人工神經(jīng)網(wǎng)絡教程（第1版）韓力群，北京：北京郵電大學出版社，2019年[2]神經(jīng)網(wǎng)絡(影印版),SatishKumar,北京：清華大學出版社，2019年[3]神經(jīng)網(wǎng)絡設計(英文版)（美）黑根等著,機械出版社，中信出版社，2019[4]神經(jīng)網(wǎng)絡模型及其MATLAB仿真程序設計，周開利，康耀紅，北京：清華大學出版社，2019年一、神經(jīng)網(wǎng)絡簡介2024/10/3023《醫(yī)學信息分析與決策》課程組二、MATLAB簡介MATLAB基本的學習方法

1、help指令

比如：

helpplot

2、lookfor指令：可以根據(jù)用戶提供的完整或不完整的關鍵詞，去搜索出一組與之有關的指令

3、doc、helpwin和helpdesk指令

4、demo指令

5、幫助菜單2024/10/3024《醫(yī)學信息分析與決策》課程組二、MATLAB簡介語言規(guī)則MATLAB要區(qū)分大小寫，它的命令全是小寫的。一行可以輸入幾個命令，用“；”或“，”隔開。如用“；”則該函數(shù)的執(zhí)行結果不顯示（圖形函數(shù)除外）。如用“’”則該函數(shù)的運行結果要顯示。2024/10/3025《醫(yī)學信息分析與決策》課程組二、MATLAB簡介數(shù)值與變量①數(shù)值②變量：變量名、函數(shù)名是對大小寫很敏感的，兩個字符串表示的變量，字母都相同，大小寫不同，也視為不同的變量；第一個字母必須是英文字母；字符間不可留空格；最多只能有31個字符（只能用英文字母、數(shù)字和下連字符）一行中“%”后的內(nèi)容僅作注釋用，對MATLAB的計算不產(chǎn)生任何影響。2024/10/3026《醫(yī)學信息分析與決策》課程組二、MATLAB簡介數(shù)值與變量③Who、Whos、Clear和永久變量④符號變量：symsx2024/10/3027《醫(yī)學信息分析與決策》課程組二、MATLAB簡介數(shù)據(jù)的輸入和輸出（1）直接輸入（2）利用語句或函數(shù)產(chǎn)生①“初值:步長:終值”

產(chǎn)生一個行向量（行矩陣）。當步長為1時可以省略。如：1:5;1:2:6②特殊命令：linspace(x,x2,n):ones(n)（3）用input指令輸入單個參數(shù)（4）用小型矩陣或用數(shù)據(jù)文件輸入2024/10/3028《醫(yī)學信息分析與決策》課程組二、MATLAB簡介矩陣元素的操作（1）矩陣元素的提取：（2）小矩陣構造大矩陣。（3）[]：可以用它來刪除矩陣的行列，或整個矩陣。2024/10/3029《醫(yī)學信息分析與決策》課程組二、MATLAB簡介運算符算術運算符：+，-，*,/,\,^關系運算符：==,~=,<,>,<=,>=2024/10/3030《醫(yī)學信息分析與決策》課程組二、MATLAB簡介M文件的編輯與建立命令文件按在指令窗口中的指令輸入順序，依次將指令編輯在命令文件中。如果某個命令的結果不需要顯示出則在該命令后加上“；”，注意文件名一定是“.m”。如：函數(shù)文件function返回變量列表=函數(shù)名（輸入變量列表）命令文件的變量在文件執(zhí)行完后保留在內(nèi)存；而函數(shù)文件內(nèi)定義的變量僅在函數(shù)文件內(nèi)部起作用，當函數(shù)文件執(zhí)行完成后，這些內(nèi)部變量將被清除。2024/10/3031《醫(yī)學信息分析與決策》課程組二、MATLAB簡介繪圖命令plot：繪制二維線性圖形及兩個坐標軸；

plot(x,y)表示以x為橫坐標，y為縱坐標的圖形。

x=0:pi/100:2*pi;y=sin(x);plot(x,y)plot3：繪制三維線性圖形及三個坐標軸；plot3(x,y,z)

t=0:pi/100:6*pi;x=cos(t);y=sin(t);z=2*t;plot3(y,x,z)2024/10/3032《醫(yī)學信息分析與決策》課程組二、MATLAB簡介M文件的編輯與建立命令文件按在指令窗口中的指令輸入順序，依次將指令編輯在命令文件中。如果某個命令的結果不需要顯示出則在該命令后加上“；”，注意文件名一定是“.m”。如：函數(shù)文件function返回變量列表=函數(shù)名（輸入變量列表）命令文件的變量在文件執(zhí)行完后保留在內(nèi)存；而函數(shù)文件內(nèi)定義的變量僅在函數(shù)文件內(nèi)部起作用，當函數(shù)文件執(zhí)行完成后，這些內(nèi)部變量將被清除。2024/10/3033《醫(yī)學信息分析與決策》課程組二、MATLAB簡介Matlab的編程條件語句if〈條件1〉語句塊1else語句塊2end2024/10/3034《醫(yī)學信息分析與決策》課程組二、MATLAB簡介Matlab的編程switch——case——end分支結構Switch表達式Case常量表達式1

語句塊1case常量表達式2

語句塊2case{常量表達式n，常量表達式n+1,常量表達式n+2…}

語句塊notherwise

語句塊n+1end2024/10/3035《醫(yī)學信息分析與決策》課程組二、MATLAB簡介Matlab的編程for循環(huán)語句for〈循環(huán)變量〉=〈初值〉:[步長:]〈終值〉

循環(huán)體

end2024/10/3036《醫(yī)學信息分析與決策》課程組二、MATLAB簡介Matlab的編程while循環(huán)語句while〈條件〉，

循環(huán)end2024/10/3037《醫(yī)學信息分析與決策》課程組三、神經(jīng)網(wǎng)絡建?；A

神經(jīng)生理學和神經(jīng)解剖學的研究結果表明，神經(jīng)元(Neuron)是腦組織的基本單元，是人腦信息處理系統(tǒng)的最小單元。生物神經(jīng)元生物神經(jīng)網(wǎng)絡2024/10/3038《醫(yī)學信息分析與決策》課程組三、神經(jīng)網(wǎng)絡建模基礎生物神經(jīng)元生物神經(jīng)元在結構上由:細胞體(Cellbody)、樹突(Dendrite)、軸突(Axon)、突觸(Synapse)四部分組成。用來完成神經(jīng)元間信息的接收、傳遞和處理。2024/10/3039《醫(yī)學信息分析與決策》課程組人工神經(jīng)網(wǎng)絡的生物學基礎2024/10/3040三、神經(jīng)網(wǎng)絡建?；A生物神經(jīng)元:信息的產(chǎn)生神經(jīng)元間信息的產(chǎn)生、傳遞和處理是一種電化學活動。

神經(jīng)元狀態(tài)：靜息興奮抑制

膜電位：極化去極化超極化2024/10/3041《醫(yī)學信息分析與決策》課程組三、神經(jīng)網(wǎng)絡建?；A2024/10/3042三、神經(jīng)網(wǎng)絡建?；A生物神經(jīng)元:信息的傳遞與接收2024/10/3043《醫(yī)學信息分析與決策》課程組三、神經(jīng)網(wǎng)絡建?；A生物神經(jīng)元:信息的整合空間整合：同一時刻產(chǎn)生的刺激所引起的膜電位變化，大致等于各單獨刺激引起的膜電位變化的代數(shù)和。時間整合：各輸入脈沖抵達神經(jīng)元的時間先后不一樣?？偟耐挥|后膜電位為一段時間內(nèi)的累積。2024/10/3044《醫(yī)學信息分析與決策》課程組生物神經(jīng)網(wǎng)絡

由多個生物神經(jīng)元以確定方式和拓撲結構

相互連接即形成生物神經(jīng)網(wǎng)絡。

生物神經(jīng)網(wǎng)絡的功能不是單個神經(jīng)元信息

處理功能的簡單疊加。

神經(jīng)元之間的突觸連接方式和連接強度不

同并且具有可塑性，這使神經(jīng)網(wǎng)絡在宏觀

呈現(xiàn)出千變?nèi)f化的復雜的信息處理能力。三、神經(jīng)網(wǎng)絡建?；A2024/10/3045《醫(yī)學信息分析與決策》課程組三、神經(jīng)網(wǎng)絡建?；A

神經(jīng)元及其突觸是神經(jīng)網(wǎng)絡的基本器件。因此，模擬生物神經(jīng)網(wǎng)絡應首先模擬生物神經(jīng)元人工神經(jīng)元(節(jié)點)

從三個方面進行模擬:節(jié)點本身的信息處理能力節(jié)點與節(jié)點之間連接(拓撲結構)相互連接的強度(通過學習來調(diào)整)決定人工神經(jīng)網(wǎng)絡整體性能的三大要素2024/10/3046《醫(yī)學信息分析與決策》課程組三、神經(jīng)網(wǎng)絡建?；A節(jié)點本身的信息處理能力(數(shù)學模型)節(jié)點與節(jié)點之間連接(拓撲結構)相互連接的強度(通過學習來調(diào)整)2024/10/3047《醫(yī)學信息分析與決策》課程組三、神經(jīng)網(wǎng)絡建?；A模型的六點假設：(1)每個神經(jīng)元都是一個多輸入單輸出的信息處理單元；(2)神經(jīng)元輸入分興奮性輸入和抑制性輸入兩種類型；(3)神經(jīng)元具有空間整合特性和閾值特性；(4)神經(jīng)元輸入與輸出間有固定的時滯,主要取決于突觸延擱；(5)忽略時間整合作用和不應期；(6)神經(jīng)元本身是非時變的，即其突觸時延和突觸強度均為常數(shù)。2024/10/3048《醫(yī)學信息分析與決策》課程組三、神經(jīng)網(wǎng)絡建模基礎假設1圖(a)表明，正如生物神經(jīng)元有許多激勵輸入一祥，人工神經(jīng)元也應該有許多的輸入信號，圖中每個輸入的大小用確定數(shù)值xi表示，它們同時輸入神經(jīng)元j，神經(jīng)元的單輸出用oj表示。2024/10/3049《醫(yī)學信息分析與決策》課程組三、神經(jīng)網(wǎng)絡建模基礎假設2生物神經(jīng)元具有不同的突觸性質(zhì)和突觸強度，其對輸入的影響是使有些輸入在神經(jīng)元產(chǎn)生脈沖輸出過程中所起的作用比另外一些輸入更為重要。圖(b)中對神經(jīng)元的每一個輸入都有一個加權系數(shù)wij，稱為權重值，其正負模擬了生物神經(jīng)元中突觸的興奮和抑制，其大小則代表了突觸的不同連接強度。2024/10/3050《醫(yī)學信息分析與決策》課程組三、神經(jīng)網(wǎng)絡建模基礎假設3作為ANN的基本處理單元，必須對全部輸入信號進行整合，以確定各類輸入的作用總效果，圖(c)表示組合輸人信號的“總和值”，相應于生物神經(jīng)元的膜電位。神經(jīng)元激活與否取決于某一閾值電平，即只有當其輸入總和超過閾值時,神經(jīng)元才被激活而發(fā)放脈沖,否則神經(jīng)元不會產(chǎn)生輸出信號。2024/10/3051《醫(yī)學信息分析與決策》課程組三、神經(jīng)網(wǎng)絡建?；A假設4圖(d)人工神經(jīng)元的輸出也同生物神經(jīng)元一樣僅有一個，如用oj表示神經(jīng)元輸出，則輸出與輸入之間的對應關系可用圖(d)中的某種非線性函數(shù)來表示，這種函數(shù)一般都是非線性的。2024/10/3052《醫(yī)學信息分析與決策》課程組三、神經(jīng)網(wǎng)絡建?；A2024/10/3053《醫(yī)學信息分析與決策》課程組τij——輸入輸出間的突觸時延；

Tj——神經(jīng)元j的閾值；

wij——神經(jīng)元i到j的突觸連接系數(shù)或稱權重值；

f()——神經(jīng)元轉移函數(shù)。(1)上述內(nèi)容可用一個數(shù)學表達式進行抽象與概括。令xi(t)表示t時刻神經(jīng)元j接收的來自神經(jīng)元i的信息輸入，oj(t)表示t時刻神經(jīng)元j的信息輸出，則神經(jīng)元j的狀態(tài)可表達為1式。三、神經(jīng)網(wǎng)絡建模基礎2024/10/3054三、神經(jīng)網(wǎng)絡建?；A(2)為簡單起見，將1上式中的突觸時延取為單位時間，則式(1)可寫為2式。上式描述的神經(jīng)元數(shù)學模型全面表達了神經(jīng)元模型的6點假定。其中輸入xi的下標i=1,2,…,n，輸出oj的下標j體現(xiàn)了神經(jīng)元模型假定(1)中的“多輸入單輸出”。權重值wij的正負體現(xiàn)了假定(2)中“突觸的興奮與抑制”。Tj代表假定(3)中神經(jīng)元的“閾值”；“輸入總和”常稱為神經(jīng)元在t時刻的凈輸入，神經(jīng)元的數(shù)學模型：2024/10/3055(3)三、神經(jīng)網(wǎng)絡建?；Anet’j(t)

體現(xiàn)了神經(jīng)元j的空間整合特性而未考慮時間整合，當net’j-Tj>0時，神經(jīng)元才能被激活。oj(t+1)與xI(t)之間的單位時差代表所有神經(jīng)元具有相同的、恒定的工作節(jié)律，對應于假定(4)中的“突觸延擱”；wij與時間無關體現(xiàn)了假定(6)中神經(jīng)元的“非時變”。神經(jīng)元的數(shù)學模型：2024/10/3056《醫(yī)學信息分析與決策》課程組net’j=WjTX(4)三、神經(jīng)網(wǎng)絡建?；A為簡便起見，在后面用到式(3)時，常將其中的(t)省略。式(3)還可表示為權重向量Wj和輸入向量X的點積WTX。

其中Wj和X均為列向量，定義為Wj=(w1w2…wn）T，X=(x1x2…xn)T如果令x0=-1，w0=Tj，則有-Tj=x0w0，因此凈輸入與閾值之差可表達為神經(jīng)元的數(shù)學模型：2024/10/3057《醫(yī)學信息分析與決策》課程組(5)oj=f(netj)=f(WjTX)(6)三、神經(jīng)網(wǎng)絡建模基礎顯然，式(2.4)中列向量Wj和X的第一個分量的下標均從1開始，而式(5)中則從0開始。采用式(5)的約定后，凈輸入改寫為netj，與原來的區(qū)別是包含了閾值。綜合以上各式，神經(jīng)元模型可簡化為神經(jīng)元的數(shù)學模型：2024/10/3058《醫(yī)學信息分析與決策》課程組三、神經(jīng)網(wǎng)絡建?；A

神經(jīng)元各種不同數(shù)學模型的主要區(qū)別在于采用了不同的轉移函數(shù)，從而使神經(jīng)元具有不同的信息處理特性。神經(jīng)元的信息處理特性是決定人工神經(jīng)網(wǎng)絡整體性能的三大要素之一，反映了神經(jīng)元輸出與其激活狀態(tài)之間的關系，最常用的轉移函數(shù)有4種形式。2024/10/3059《醫(yī)學信息分析與決策》課程組(1)閾值型轉移函數(shù) 1x≥0 f(x)=(7)

0x＜0 三、神經(jīng)網(wǎng)絡建?；A神經(jīng)元的轉移函數(shù)：2024/10/3060《醫(yī)學信息分析與決策》課程組(2)非線性轉移函數(shù)三、神經(jīng)網(wǎng)絡建?；A非線性轉移函數(shù)為實數(shù)域R到[0.1]閉集的非減連續(xù)函數(shù)，代表了狀態(tài)連續(xù)型神經(jīng)元模型。最常用的非線性轉移函數(shù)是單極性的sigmoid函數(shù)曲線，簡稱S型函數(shù)。其特點是函數(shù)本身及其導數(shù)都是連續(xù)的，因而在處理上十分方便。S型函數(shù)函數(shù)又分為單極性和雙極性兩種，分別定義如下：神經(jīng)元的轉移函數(shù)：2024/10/3061《醫(yī)學信息分析與決策》課程組(2)非線性轉移函數(shù)三、神經(jīng)網(wǎng)絡建?；A神經(jīng)元的轉移函數(shù)：2024/10/3062《醫(yī)學信息分析與決策》課程組(3)分段線性轉移函數(shù)三、神經(jīng)網(wǎng)絡建模基礎該函數(shù)特點是神經(jīng)元的輸入與輸出在一定區(qū)間內(nèi)滿足線性關系，模擬了實際系統(tǒng)中的飽和特性。由于具有分段線性的特點，因而在實現(xiàn)上比較簡單。這類函數(shù)也稱為偽線性函數(shù)，表達式如下：神經(jīng)元的轉移函數(shù)：2024/10/3063《醫(yī)學信息分析與決策》課程組(3)分段線性轉移函數(shù) 0x≤0 f(x)= cx0＜

x≤xc(9)

1xc＜

x 三、神經(jīng)網(wǎng)絡建模基礎神經(jīng)元的轉移函數(shù)：2024/10/3064《醫(yī)學信息分析與決策》課程組(4)概率型轉移函數(shù)溫度參數(shù)三、神經(jīng)網(wǎng)絡建?；A采用概率型轉移函數(shù)的神經(jīng)元模型其輸入與輸出之間的關系是不確定的，需用一個隨機函數(shù)來描述輸出狀態(tài)為1或為0的概率。設神經(jīng)元輸出為1的概率為由于采用該轉移函數(shù)的神經(jīng)元輸出狀態(tài)分布與熱力學中的玻爾茲曼（Boltzmann）分布相類似，因此這種神經(jīng)元模型也稱為熱力學模型。神經(jīng)元的轉移函數(shù)：2024/10/3065《醫(yī)學信息分析與決策》課程組三、神經(jīng)網(wǎng)絡建模基礎節(jié)點本身的信息處理能力(數(shù)學模型)節(jié)點與節(jié)點之間連接(拓撲結構)相互連接的強度(通過學習來調(diào)整)2024/10/3066《醫(yī)學信息分析與決策》課程組三、神經(jīng)網(wǎng)絡建模基礎人工神經(jīng)網(wǎng)絡的模型很多，可以按照不同的方法進行分類。其中常見的兩種分類方法是，按網(wǎng)絡連接的拓撲結構分類和按網(wǎng)絡內(nèi)部的信息流向分類。2024/10/3067《醫(yī)學信息分析與決策》課程組三、神經(jīng)網(wǎng)絡建模基礎分類：按網(wǎng)絡連接的拓撲結構分類層次型結構互連型網(wǎng)絡結構按網(wǎng)絡內(nèi)部的信息流向分類前饋型網(wǎng)絡反饋型網(wǎng)絡2024/10/3068《醫(yī)學信息分析與決策》課程組三、神經(jīng)網(wǎng)絡建模基礎層次型結構：將神經(jīng)元按功能分成若干層，如輸入層、中間層（隱層）和輸出層，各層順序相連?；ミB型網(wǎng)絡結構：網(wǎng)絡中任意兩個節(jié)點之間都可能存在連接路徑.人工神經(jīng)網(wǎng)絡模型2024/10/3069《醫(yī)學信息分析與決策》課程組網(wǎng)絡拓撲結構類型

層次型結構三、神經(jīng)網(wǎng)絡建?；A2024/10/3070《醫(yī)學信息分析與決策》課程組輸出層到輸入層有連接三、神經(jīng)網(wǎng)絡建模基礎網(wǎng)絡拓撲結構類型

2024/10/3071《醫(yī)學信息分析與決策》課程組層內(nèi)有連接層次型結構三、神經(jīng)網(wǎng)絡建模基礎網(wǎng)絡拓撲結構類型

2024/10/3072全互連型結構三、神經(jīng)網(wǎng)絡建模基礎網(wǎng)絡拓撲結構類型

2024/10/3073局部互連型網(wǎng)絡結構三、神經(jīng)網(wǎng)絡建模基礎網(wǎng)絡拓撲結構類型

2024/10/3074網(wǎng)絡信息流向類型前饋型網(wǎng)絡前饋:網(wǎng)絡信息處理的方向是從輸入層到各隱層再到輸出層逐層進行反饋型網(wǎng)絡在反饋網(wǎng)絡中所有節(jié)點都具有信息處理功能，而且每個節(jié)點既可以從外界接收輸入，同時又可以向外界輸出。三、神經(jīng)網(wǎng)絡建模基礎2024/10/3075《醫(yī)學信息分析與決策》課程組前饋型網(wǎng)絡網(wǎng)絡信息流向類型三、神經(jīng)網(wǎng)絡建模基礎2024/10/3076《醫(yī)學信息分析與決策》課程組反饋型網(wǎng)絡網(wǎng)絡信息流向類型三、神經(jīng)網(wǎng)絡建模基礎2024/10/3077節(jié)點本身的信息處理能力(數(shù)學模型)節(jié)點與節(jié)點之間連接(拓撲結構)相互連接的強度(通過學習來調(diào)整)三、神經(jīng)網(wǎng)絡建模基礎2024/10/3078《醫(yī)學信息分析與決策》課程組

神經(jīng)網(wǎng)絡能夠通過對樣本的學習訓練，不斷改變網(wǎng)絡的連接權值以及拓撲結構，以使網(wǎng)絡的輸出不斷地接近期望的輸出。這一過程稱為神經(jīng)網(wǎng)絡的學習或訓練，其本質(zhì)是可變權值的動態(tài)調(diào)整。神經(jīng)網(wǎng)絡學習三、神經(jīng)網(wǎng)絡建?；A2024/10/3079《醫(yī)學信息分析與決策》課程組神經(jīng)網(wǎng)絡的學習類型：有導師學習(有監(jiān)督學習)無導師學習(無監(jiān)督學習)死記式學習神經(jīng)網(wǎng)絡學習三、神經(jīng)網(wǎng)絡建?；A2024/10/3080學習的過程（權值調(diào)整的一般情況）三、神經(jīng)網(wǎng)絡建?；A2024/10/3081《醫(yī)學信息分析與決策》課程組1949年，心理學家D.O.Hebb最早提出關于神經(jīng)網(wǎng)絡學習機理的“突觸修正”的假設。假設：當神經(jīng)元i與j同時處于興奮時，兩者之間的連接強度應增強。神經(jīng)網(wǎng)絡學習Hebb學習規(guī)則三、神經(jīng)網(wǎng)絡建?；A2024/10/3082《醫(yī)學信息分析與決策》課程組例：設有4輸入單輸出神經(jīng)元模型，其閥值T=0，學習效率η＝1，3個輸入樣本向量和初始權向量分別為X1=(1,-2,1.5,0),X2=(1,-0.5,-2,-1.5)T,X3=(0,1,-1,1.5)T,W(0)=(1,-1,0,0.5)T神經(jīng)網(wǎng)絡學習三、神經(jīng)網(wǎng)絡建?；A2024/10/3083《醫(yī)學信息分析與決策》課程組1958年，美國學者FrankRosenblatt首次定義了一個具有單層計算單元的