神经网络模型是机器学习、深度学习的核心,针对不同的问题,我们需要搭建不同的神经网络模型。为增进大家对神经网络模型的认识,本文将对常见的神经网络模型予以介绍。如果你对神经网络模型具有兴趣,不妨继续往下阅读哦。

1、BP神经网络

BP(BackPropagation)神经网络是一种神经网络学习算法。其由输入层、中间层、输出层组成的阶层型神经网络,中间层可扩展为多层。相邻层之间各神经元进行全连接,而每层各神经元之间无连接,网络按有教师示教的方式进行学习,当一对学习模式提供给网络后,各神经元获得网络的输入响应产生连接权值(Weight)。然后按减小希望输出与实际输出误差的方向,从输出层经各中间层逐层修正各连接权,回到输入层。此过程反复交替进行,直至网络的全局误差趋向给定的极小值,即完成学习的过程。

2、RBF(径向基)神经网络

径向基函数(RBF-RadialBasisFunction)神经网络是由J.Moody和C.Darken在80年代末提出的一种神经网络,它是具有单隐层的三层前馈网络。由于它模拟了人脑中局部调整、相互覆盖接收域(或称感受野-ReceptiveField)的神经网络结构,因此,RBF网络是一种局部逼近网络,它能够以任意精度逼近任意连续函数,特别适合于解决分类问题。

3、感知器神经网络

是一个具有单层计算神经元的神经网络,网络的传递函数是线性阈值单元。原始的感知器神经网络只有一个神经元。主要用来模拟人脑的感知特征,由于采取阈值单元作为传递函数,所以只能输出两个值,适合简单的模式分类问题。当感知器用于两类模式分类时,相当于在高维样本空间用一个超平面将两类样本分开,但是单层感知器只能处理线性问题,对于非线性或者线性不可分问题无能为力。假设p是输入向量,w是权值矩阵向量,b为阈值向量,由于其传递函数是阈值单元,也就是所谓的硬限幅函数,那么感知器的决策边界就是wp+b,当wp+b〉=0时,判定类别1,否则判定为类别2。

4、线性神经网络

线性神经网络是比较简单的一种神经网络,由一个或者多个线性神经元构成。采用线性函数作为传递函数,所以输出可以是任意值。线性神经网络可以采用基于最小二乘LMS的Widrow-Hoff学习规则调节网络的权值和阈值,和感知器一样,线性神经网络只能处理反应输入输出样本向量空间的线性映射关系,也只能处理线性可分问题。目前线性神经网络在函数拟合、信号滤波、预测、控制等方面有广泛的应用。线性神经网络和感知器网络不同,它的传递函数是线性函数,输入和输出之间是简单的纯比例关系,而且神经元的个数可以是多个。只有一个神经元的线性神经网络仅仅在传递函数上和感知器不同,前者是线性函数的传递函数,后者是阈值单元的传递函数,仅此而已。

5、自组织神经网络

在生物神经细胞中存在一种特征敏感细胞,这种细胞只对外界信号刺激的某一特征敏感,并且这种特征是通过自学习形成的。在人脑的脑皮层中,对于外界信号刺激的感知和处理是分区进行的,有学者认为,脑皮层通过邻近神经细胞的相互竞争学习,自适应的发展称为对不同性质的信号敏感的区域。根据这一特征现象,芬兰学者Kohonen提出了自组织特征映射神经网络模型。他认为一个神经网络在接受外界输入模式时,会自适应的对输入信号的特征进行学习,进而自组织成不同的区域,并且在各个区域对输入模式具有不同的响应特征。在输出空间中,这些神经元将形成一张映射图,映射图中功能相同的神经元靠的比较近,功能不同的神经元分的比较开,自组织特征映射网络也是因此得名。

自组织映射过程是通过竞争学习完成的。所谓竞争学习是指同一层神经元之间相互竞争,竞争胜利的神经元修改与其连接的连接权值的过程。竞争学习是一种无监督学习方法,在学习过程中,只需要向网络提供一些学习样本,而无需提供理想的目标输出,网络根据输入样本的特性进行自组织映射,从而对样本进行自动排序和分类。

自组织神经网络包括自组织竞争网络、自组织特征映射网络、学习向量量化等网络结构形式。

6、反馈神经网络

前面介绍的网络都是前向网络,实际应用中还有另外一种网络——反馈网络。在反馈网络中,信息在前向传递的同时还要进行反向传递,这种信息的反馈可以发生在不同网络层的神经元之间,也可以只局限于某一层神经元上。由于反馈网络属于动态网络,只有满足了稳定条件,网络才能在工作了一段时间之后达到稳定状态。反馈网络的典型代表是Elman网络和Hopfield网络。

以上便是此次小编带来的神经网络模型相关内容,通过本文,希望大家对常见的神经网络模型具备一定的了解。

什么是神经网络模型,常见神经网络模型有哪些?相关推荐

  1. 数学建模神经网络应用,构建神经网络模型方法

    数学模型的建立与求解 . 8.3.2.1数学模型的求解本次研究采用地下水数值模拟软件ProcessingModflow,利用美国地质调查局所开发的三维有限差分地下水流模型Modflow(Modular ...

  2. Pytorch搭建常见分类网络模型------VGG、Googlenet、ResNet50 、MobileNetV2(4)

    接上一节内容:Pytorch搭建常见分类网络模型------VGG.Googlenet.ResNet50 .MobileNetV2(3)_一只小小的土拨鼠的博客-CSDN博客 mobilenet系列: ...

  3. 常见的人工神经网络模型,人工智能神经网络模型

    人工神经网络,人工神经网络是什么意思 一. 人工神经网络的概念人工神经网络(Artificial Neural Network,ANN)简称神经网络(NN),是基于生物学中神经网络的基本原理,在理解和 ...

  4. 分类常用的神经网络模型,典型神经网络模型包括

    1.有哪些深度神经网络模型? 目前经常使用的深度神经网络模型主要有卷积神经网络(CNN) .递归神经网络(RNN).深信度网络(DBN) .深度自动编码器(AutoEncoder) 和生成对抗网络(G ...

  5. 多层感知器神经网络模型,人工智能神经网络模型

    有哪些深度神经网络模型? 目前经常使用的深度神经网络模型主要有卷积神经网络(CNN).递归神经网络(RNN).深信度网络(DBN).深度自动编码器(AutoEncoder)和生成对抗网络(GAN)等. ...

  6. ann神经网络模型评价指标,神经网络模型参数辨识

    用MATLAB的newrb函数建立的神经网络,怎么查看网络参数 . newrb设计了径向基网络,调用格式:net=newrb[net,tr]=newrb(P,T,goal,spread,MN,DF)P ...

  7. 如何搭建神经网络模型,构建神经网络模型方法

    英伟达开发板功能 英伟达开发板功能:Jetson Nano 是一款功能强大的人工智能(AI)开发板,可助你快速入门学习 AI 技术,并将其应用到各种智能设备. 它搭载四核Cortex-A57处理器,1 ...

  8. 什么是模糊神经网络结构,模糊神经网络应用实例

    模糊神经网络的基本形式 模糊神经网络有如下三种形式:1.逻辑模糊神经网络2.算术模糊神经网络3.混合模糊神经网络模糊神经网络就是具有模糊权系数或者输入信号是模糊量的神经网络.上面三种形式的模糊神经网络 ...

  9. 七层网络模型与四层网络模型以及每层网络协议

    OSI七层网络模型 第一层 物理层 第一层负责最后将信息编码成电流脉冲或其它信号用于网上传输.它由计算机和网络介质之间的实际界面组成,可定义电气信号.符号.线的状态和时钟要求.数据编码和数据传输用的连 ...

最新文章

  1. Effective user and Real user
  2. c语言程序代码_10道C语言笔试模拟题,来看看你掌握的怎么样?
  3. 盘点全球最美的15座数据中心
  4. 性能测试小总结(四) 结果分析(未完成)
  5. 企业建立私有云的N个理由
  6. nginx 网络模型,cpu亲和等优点
  7. 【Linux开发】linux设备驱动归纳总结(八):3.设备管理的分层与面向对象思想...
  8. 加入域时出现以下错误 登陆失败 该目标账户名称不正确_微信支付踩坑合集:微信小程序支付失败是什么原因?持续更新...
  9. 包含对象的json格式_如何把JSON数据格式转换为Python的类对象?
  10. python pyecharts 折线图_Python数据可视化之pyecharts实现各种图表
  11. 高德地图上加入坐标拾取、轨迹、点标记、poi搜索等
  12. 易语言大漠进行字库制作的时候出现不能展示二值化区域
  13. PyTorch 使用 TensorBoard 中的 writer.add_scalar 与 writer.add_scalars 的区别
  14. python中如何判断词性_Python自然语言处理 5 分类和标注词汇
  15. Itext导出pdf教程
  16. windows 下 tomcat 开机自启动
  17. 然之协同 PHP,然之协同办公系统5.2开源版官方下载
  18. 黑莓手机无法上网解决方案
  19. 浅析网吧电影服务器配置与搭建(转)
  20. ggplot制作条形图

热门文章

  1. 湾区这家公司来西雅图了,吓坏各大公司HR了
  2. c语言结构体数组放入文件中,c-从文件中读取数据并存储到结构数组中
  3. PHP防止恶意点击,百度竞价恶意点击实战心得
  4. zephyr 工作队列
  5. .NET数据绑定时BoundField与TemplateField的区别
  6. StockChart Android股票图/K线图开发库
  7. ak47怎么得 rust_翻一翻历史书 里面有一把叫做AK47的枪 关于基里连科的有趣数据...
  8. 容器安全风险and容器逃逸漏洞实践
  9. web标准中的网页:结构层、表现层、行为层
  10. sqlplus使用实例名连接