现代电子技术可以建立更为精确的模型,但一般的神经网络研究无此必要 3.2.2人工神经网络的构成 大脑神经网络系统之所以具有思维认识等高级功能,是由于它是由无数个神 经元相互连接而构成的一个极为庞大而复杂的神经网络系统。人工神经网络也是 一样,单个神经元的功能是很有限的,只有用许多神经元按一定规则连接构成的 神经网络才具有强大的功能。 神经元的模型确定之后,一个神经网络的特性及能力主要取决于网络的拓扑 结构及学习方法。下面介绍人工神经网络连接的几种基本形式: 1.前向网络网络的结构如图3-5a所示。网络中的神经元是分层排列的, 每个神经元只与前一层的神经元相连接。最上一层为输出层,隐含层的层数可以 是一层或多层。前向网络在神经网络中应用很广泛,例如,感知器就属于这种类 2.从输出到输入有反馈的前向网络网络的结构如图3--5b所示。网络的 本身是前向型的,与前一种不同的是从输出到输入有反馈回路。例如, Fukushima 网络就属于这种类型 3.层内互连前向网络网络的结构如图3-5c所示。通过层内神经元之间 的相互连接,可以实现同一层神经元之间横向抑制或兴奋的机制,从而限制层内 能同时动作的神经数,或者把层内神经元分为若干组,让每组作为一个整体来动 作。一些自组织竞争型神经网络就属于这种类型。9 现代电子技术可以建立更为精确的模型，但一般的神经网络研究无此必要。 3．2．2 人工神经网络的构成 大脑神经网络系统之所以具有思维认识等高级功能，是由于它是由无数个神 经元相互连接而构成的一个极为庞大而复杂的神经网络系统。人工神经网络也是 一样，单个神经元的功能是很有限的，只有用许多神经元按一定规则连接构成的 神经网络才具有强大的功能。 神经元的模型确定之后，一个神经网络的特性及能力主要取决于网络的拓扑 结构及学习方法。下面介绍人工神经网络连接的几种基本形式： 1．前向网络 网络的结构如图 3—5a 所示。网络中的神经元是分层排列的， 每个神经元只与前一层的神经元相连接。最上一层为输出层，隐含层的层数可以 是一层或多层。前向网络在神经网络中应用很广泛，例如，感知器就属于这种类 型。 2．从输出到输入有反馈的前向网络 网络的结构如图 3—5b 所示。网络的 本身是前向型的，与前一种不同的是从输出到输入有反馈回路。例如，Fukushima 网络就属于这种类型。 3．层内互连前向网络 网络的结构如图 3—5c 所示。通过层内神经元之间 的相互连接，可以实现同一层神经元之间横向抑制或兴奋的机制，从而限制层内 能同时动作的神经数，或者把层内神经元分为若干组，让每组作为一个整体来动 作。一些自组织竞争型神经网络就属于这种类型