图3-5神经网络的典型结构 4.互连网络网络的结构如图3-5d所示。互连网络有局部互连和全互连 两种。全互连网络中的每个神经元都与其他神经元相连。局部互连是指互连只是 局部的,有些神经元之间没有连接关系。 Hopfield网络和 boltzmann i机属于互连 网络的类型。 3.2.3人工神经网络的学习 个神经网络的拓扑结构确定之后,为了使它具有某种智能特性,还必须有 相应的学习方法与之配合。可以这样说,学习方法是人工神经网络研究中的核心 问题。 对于大脑神经而言,不同的功能区域均有各自的学习规则。这些完整和巧妙 的学习规则是大脑在进化过程中通过学习得到的。对于人工神经网络而言,学习 方法归根结底就是网络连接权的调整方法。人工神经网络连接权的确定通常有两 种方法:一种是根据具体要求:直接计算出来,如 Hopfield网络作优化计算时就 属于这种情况;另一种是通过学习得到的,大多数人工神经网络都用这种方法 随着网络结构和功能的不同,学习方法是多种多样的,这些内容将在后续作 详细介绍。这里仅介绍人工神经网络中一些基本的、通用的学习规则,这些规则 主要有: 1.Hebb学习规则它是 Donall hebb根据生理学中条件反射机理,于1949 年提出的神经元连接强度变化的规则。其内容为,10 图 3—5 神经网络的典型结构 4．互连网络 网络的结构如图 3—5d 所示。互连网络有局部互连和全互连 两种。全互连网络中的每个神经元都与其他神经元相连。局部互连是指互连只是 局部的，有些神经元之间没有连接关系。Hopfield 网络和 Boltzmann 机属于互连 网络的类型。 3．2．3 人工神经网络的学习 一个神经网络的拓扑结构确定之后，为了使它具有某种智能特性，还必须有 相应的学习方法与之配合。可以这样说，学习方法是人工神经网络研究中的核心 问题。 对于大脑神经而言，不同的功能区域均有各自的学习规则。这些完整和巧妙 的学习规则是大脑在进化过程中通过学习得到的。对于人工神经网络而言，学习 方法归根结底就是网络连接权的调整方法。人工神经网络连接权的确定通常有两 种方法：一种是根据具体要求：直接计算出来，如 Hopfield 网络作优化计算时就 属于这种情况；另一种是通过学习得到的，大多数人工神经网络都用这种方法。 随着网络结构和功能的不同，学习方法是多种多样的，这些内容将在后续作 详细介绍。这里仅介绍人工神经网络中一些基本的、通用的学习规则，这些规则 主要有： 1．Hebb 学习规则 它是 Donall Hebb 根据生理学中条件反射机理，于 1949 年提出的神经元连接强度变化的规则。其内容为