人工神经网络

本文介绍了人工神经网络的主要类型,包括感知器神经网络、自组织竞争神经网络、径向基函数网络、反馈神经网络、小脑模型网络以及支持向量机和演化神经网络。每种网络都有其特定的学习规则,如HEBB规则、最小均方学习规则等,应用广泛,尤其在分类和联想学习方面表现出色。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

人工神经网咯的类型有很多,以下对几个普遍的分类进行介绍:

首先介绍一下神经网络的主要学习规则有

1、HEBB学习规则

2、离散感知器学习规则

3、连续感知器学习规则

4、最小均方学习规则

5、相关学习规则

6、胜者为王学习规则

7、外星学习规则

 

一、感知器神经网络

     最有代表性的是BP神经网络,因为实在太熟悉就不作介绍了!

 

二、自组织竞争神经网络

     1981年T.Kohonen提出一种自组织特征映射网(SOFM),其认为一个神经网络接收外界输入模式时,将会分为不同的对应区域,各个区域对输入模式具有不同的响应特征,而且这个过程是自动完成的。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值