人工神经网络

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。

     SOFM网的运行分训练和工作两个阶段。

 

三、径向基函数神经网络

     RBF网络，常用于聚类，典型的如K-MEANS算法。

 

四、反馈神经网络

     典型的如hopfield神将网络，是通过联想进行学习，在hopfield神将网络中，连接权值一开始就确定的。同手B.Kosko于1988年提出了BAM（bidirectional association memory）网络，它是一种双向联想记忆的神经网络

 

五、小脑模型神经网络

      1975年，J.S.Albus提出CMAC（cerebrallar model articulation controller），模仿小脑指挥运动具有不假思索作出条件反射式迅速响应的特点。

 

六、支持向量机

      SVM，近来好流行的一种神经网络，与其他仿生算法不同，SVM具有深厚的数学理论基础，其主要思想是通过寻找最优超平面，通过拉格朗日公式求解最优化的问题。SVM中比较典型的是SMO算法。

 

七、演化神经网络

      通过遗传算法和神经网络结合，主要是通过遗传算法解决神经网络中的结构选择问题。