当前课程知识点:智能控制 >  第五章 神经网络的理论基础 >  5.4 神经网络的分类 >  5.4 神经网络的分类

返回《智能控制》慕课在线视频课程列表

5.4 神经网络的分类在线视频

下一节:5.5 神经网络的学习算法、基本特征和研究领域

返回《智能控制》慕课在线视频列表

5.4 神经网络的分类课程教案、知识点、字幕

下面我们看一下神经网络的分类

目前神经网络模型的种类相当丰富

已经达到了40多种

还在不断增长

那么典型的神经网络

包括多层前向传播神经网络

BP网络

Hopfield神经网络

CMAC小脑模型

ART自适应共振理论

BAM双向联想记忆网络

SOM自组织网络

还有其它的各种各样的神经网络

那么宏观上根据神经网络连接方式

神经网络可以分为两种形式

一种叫前馈型神经网络

一种叫反馈型神经网络

那么前馈型神经网络

也简称为前向网络

Feedforward NN

那么这是一种典型的

前馈型神经网络

我们发现它的特征就是

神经元分层排列

依次从左向右依次组成输入层

隐含层、输出层

那么每一层的神经元

只接收前一层神经元的输入

输出并没有反馈到输入的

输入模式

经过各层的顺序变换之后

由输出层输出

在各神经元之间并不存在反馈

这是一种典型的前向神经网络

我们看这个箭头只要从左向右

依次经过输入特征信号

依次经过输入层、隐含层到输出层

停止输出

那么典型的前向网络

包括感知器网络和BP网络

第二类是反馈型神经网络

也叫反馈网络

Feedback NN

这是一种典型的反馈神经网络

它的特征就是

从输出层到输入层存在反馈

也就是每个输入节点都有可能接受

来自外部的输入

和来自输出神经元的反馈

它是一种反馈动力学系统

它是靠自己来不停地去调整它的状态

进行一个收敛的

它需要工作一段时间才能达到稳定

那么在反馈神经网络中

最简单并且应用最广泛的模型

叫做Hopfield神经网络

它具有联想记忆的功能

那么如果将Lyapunov函数

定义为寻优函数

Hopfield神经网络还可以解决寻优问题

这是一种典型的反馈神经网络

输入特征变量依次经过输入层

隐含层到输出层之后

还要反馈到它的输入层

作为它的输入

那么Hopfield神经网络

它只有一层

各个神经元的输出

还要反馈给其它的各个神经元作为输入

智能控制课程列表:

第一章 智能控制课程概论

-开篇

--开篇

-1.1课程考试方式

--1.1课程考试方式

-1.2 数据、信息、知识与智能

--1.2 数据、信息、知识与智能

-1.3传统控制面临的挑战

--1.3 传统控制面临的挑战.

-1.4 控制科学发展过程

--1.4 控制科学发展过程.

-1.5 智能控制的多元论

--1.5

-1.6 控制策略的渗透与融合

--1.6

-1.7 智能控制与传统控制的联系与区别

--1.7

-1.8 智能控制的类型之分级递阶智能控制系统

--1.8

-1.9 智能控制的类型之专家控制系统

--1.9

-1.10 智能控制的类型之模糊控制系统

--1.10

-1.11 智能控制的类型之神经网络控制系统,智能控制的类型之基于规则的仿人智能控制系统,集成智能控制系统,组合智能控制

--1.11

-1.12智能控制系统的类型之基于规则的仿人智能控制系统,集成智能控制系统,组合智能控制

--1.12

-1.13本章小结

--1.13

-第一章测试

第二章 专家控制专题

-2.1基于搜索的问题求解

--2.1.1 搜索与人工智能的关系

--2.1.2 算法1 随机搜索

--2.1.3 算法2 引入CLOSED表.

--2.1.4 算法3 引入OPEN表.

--2.1.5 纵向搜索算法(深度优先搜索)

--2.1.6 横向搜索算法(广度优先搜索)

-- 2.1.7 均一代价搜索

--2.1.8 启发式搜索

--2.1.9 登山法和最佳优先搜索.

-- 2.1.10 A星算法

-- 2.1.11 八数码魔方实例分析

-2.2 专家系统简介

--2.2.1 专家系统简介(上)

--2.2.2 专家系统简介(下)

- 2.3 专家PID

--2.3.1 专家PID (上)

--2.3.2 专家PID (下)

-第二章测试

第三章 模糊控制的理论基础

-3.1 模糊控制概述

--3.1.1 模糊控制概述

-3.2 模糊集合

--3.2.1 模糊集合(上)

--3.2.2 模糊集合(中)

--3.2.3 模糊集合(下)

-3.3 隶属函数

--3.3隶属函数.

-3.4 模糊关系及其运算

--3.4模糊关系及其运算

-第三章测试

第四章 模糊控制

- 4.1 模糊自适应整定PID控制原理

--4.1.1 模糊自适应整定PID控制原理(上)

--4.1.2 模糊自适应整定PID控制原理(下)

-4.2 基于FF的模糊PID控制试验验证

-- 4.2.1 基于FF的模糊PID控制试验验证(上)

-- 4.2.2 基于FF的模糊PID控制试验验证(下)

-第四章测试

第五章 神经网络的理论基础

- 5.1 神经网络简介

--5.1 神经网络简介

- 5.2 神经网络的发展简史

--5.2 神经网络的发展简史

-5.3 神经网络的基本概念

--5.3 神经网络的基本概念

- 5.4 神经网络的分类

--5.4 神经网络的分类

-5.5 神经网络的学习算法、基本特征和研究领域

--5.5 神经网络的学习算法、基本特征和研究领域

-第五章测试

第六章 典型神经网络

-6.1 感知器

--6.1.1 感知器的数学模型.

--6.1.2.1 感知器应用实例分析(实现逻辑运算与或非)

--6.1.2.2 感知器应用实例分析(实现逻辑运算异或)

- 6.2 BP神经网络

--6.2.1.1 BP神经网络简介(上)

--6.2.1.2 BP神经网络简介(中)

--6.2.1.3 BP神经网络简介(下)

--6.2.2.1 BP神经网络应用实例分析之一:逻辑运算异或实现

--6.2.2.2 BP神经网络应用实例分析之二:非线性函数拟合

-第六章测试

第七章 遗传算法及其应用

- 7.1 什么是遗传算法

--7.1 什么是遗传算法

-7.2 遗传算法的特点

--7.2 遗传算法的特点

-7.3 遗传算法的基本操作之复制

--7.3 遗传算法的基本操作之复制

-7.4 遗传算法的基本操作之交叉与变异

--7.4 遗传算法的基本操作之交叉与变异

-第七章测试

第八章 遗传编程

-8.1 遗传编程工作原理

--8.1 遗传编程工作原理

-8.2 遗传编程基本操作之复制

--8.2 遗传编程基本操作之复制

-8.3 遗传编程基本操作之交换和突变

--8.3 遗传编程基本操作之交换和突变

- 8.4 遗传编程的工作步骤及实例分析

-- 8.4 遗传编程的工作步骤及实例分析

-第八章测试

期末测试

-期末测试

5.4 神经网络的分类笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。