神经网络的学习

多个人工神经元组合成神经网络

将人工神经元按层排列． 某个层的输出和下一层的输入按顺序连接起来。

                              前馈型神经网络（ 2输入1输出的2层网络）

对于图中所示的层状网络， 从输入向输出， 信号顺序传递。这样的网络称为前馈型网络（feed forward network）， 或者称为层次型网络（ layered network）。

权重和阈值的设置:  (W11, W12, W21, W22, W13, W23)=(-2, -2, 3, 1, -60, 94)。     ( V1, V2, V3 ）＝（一1, 0.5，一1)

传递函数(激活函数)采用阶梯函数

 

                                                   EOR （异或）计算

神经网络的学习步骤
(1）初始化所有的权重和阈值（可以随机初始化）。
(2）重复以下步骤操作适当次数
( 2-1 ）从学习数据集中选择一个学习示例， 输入到神经网络中并计算其输出。
( 2-2 ）将标签数据和神经网络的输出相比较， 调节权重和阈值以使误差变小。

第（ 2-2 ）步权重和阈值的调节方法有哪些？

例如：A*算法，爬山法，模拟退火算法，遗传算法等， 是可以用于调节的， 但是还有更加有效的学习方法——反向传播(BP)