神经网络学习

Posted 2021-04-26 l靝l

「根据与环境的相互作用而发生的行为改变，其结果导致对外界刺激产生反应的新模式的建立。」

学习离不开训练,对于学习的神经机制,涉及神经元如何分布、处理和存储信息,需要到细胞和分子水平一探究竟.建立功能性神经元连接,形成突触,代表学会了某项技能,突触的形成、稳定与修饰均与刺激有关,外界给予的刺激性质不同,能形成和改变神经元间的突触联系.

人工神经网络的功能特性由其连接的拓扑结构和突触连接强度,即连接权值决定。神经网络全体连接权值可用一个矩阵W表示,它的整体反映了神经网络对于所解决问题的知识存储。神经网络能够通过对样本的学习训练,不断改变网络的连接权值以及拓扑结构，以使网络的输出不断地接近期望的输出。这一过程称为神经网络的学习或训练,其本质是可变权值的动态调整。改变权值的规则称为学习规则或学习算法.

有导师学习、无导师学习、灌输式学习

无导师学习(监督学习)

有导师学习也称为有监督学习,这种学习模式采用的是纠错规则。在学习训练过程中需要不断地给网络成对提供一个输人模式和一个期望网络正确输出的模式，称为“教师信号”。将神经网络的实际输出同期望输出进行比较,当网络的输出与期望的教师信号不符时,根据差错的方向和大小按一定的规则调整权值,以使下一步网络的输出更接近期望结果.有导师学习的结果时,学习完成后就可以直接出师了.

无导师学习也称为无监督学习,学习过程中,需要不断地给网络提供动态输入信息，网络能根据特有的内部结构和学习规则,在输人信息流中发现任何可能存在的模式和规律，同时能根据网络的功能和输人信息调整权值,这个过程称为网络的自组织,其结果是使网络能对属于同一类的模式进行自动分类。基本上就是在自学的过程不断纠正自己,发现新的知识.

[参考文献]机器学习原理与应用