逐波与逆流

一：神经元模型1.单输入神经元神经元是神经网络操作的基本信息处理单位。一个单输入神经元如下图所示。标量输入p乘上权值w得到wp，再将其送入累加器；另一个输入1乘上偏置值b，再将其送入累加器。偏置值b的作用是根据其为正或负，相应的增加或者降低传输函数的网络输入。累加器输出n通常被称为传输函数f的净输入，当n被送到传输函数f时，在f中产生神经元的标量输出a。2.传输函数。上图中的传

SOM网络的训练方法  SOM神经网络采用的算法称为Kohonen算法，它的基本思想是：网络输出层的各神经元通过竞争来获得对输入层的响应机会，最后只有一个神经元获胜。获胜的神经元对它临近的神经元的影响由近及远，由兴奋逐渐转为抑制，那些与获胜神经元有关的各连接权朝着有利于它竞争的方向转变。 SOM网络的算法如下： (1)初始化 对输出层各权向量赋予较小的随机数并进行归一化处理,得到,

卡尔曼滤波 – Kalman Filter1． 什么是卡尔曼滤波（What is the Kalman Filter?）在学习卡尔曼滤波之前，首先看看为什么叫“卡尔曼”。跟其他著名的理论（例如傅立叶变换，泰勒级数等等）一样，卡尔曼也是一个人的名字，而跟他们不同的是，他是个现代人！卡尔曼全名Rudolf Emil Kalman，匈牙利数学家，1930年出生于匈牙利首都布达佩斯。195

*BP(Back Propagation)网络是一种前馈网络,即误差反向传播神经网络*一般的前馈网络包括一个输入层和一个输出层，若干隐单元。隐单元可以分层也可以不分层，若分层，则称为多层前馈网络。网络的输入、输出神经元其激活函数一般取为线性函数，而隐单元则为非线性函数。任意的前馈网络,不一定是分层网络或全连接的网络。*实验：增加隐藏层的层数和隐藏层神经元个数不一定总能够提高