文件名称：人工神经网络概述-easyarm-imx28硬件手册
文件大小：5.37MB
文件格式：PDF
更新时间：2024-06-27 09:17:07
图像识别
3.1 人工神经网络概述 3.1.1 神经网络的基本概念 传统的图像识别技术是基于文本的检索技术，它依靠人工对图像进行手工注 解，然后根据关键字对图像进行识别。 人工神经网络 [8][9] （Artificial Neural Networks,ANN）是在现代神经生物学研究 基础上提出的模拟生物过程以反映人脑某些特性的计算结构。它不是人脑神经系 统的真实描写，而只是它的某种抽象、简化和模拟。神经元及其突触是神经网络 的基本器件。因此，模拟生物神经网络应首先模拟生物神经元。在人工神经网络 中，神经元常被称为“处理单元”。有时从网络的观点出发常把它称为“节点”。 人工神经元是对生物神经元的一种形式化描述，它对生物神经元的信息处理过程 进行抽象，并用数学语言予以描述；对生物神经元的结构和功能进行模拟，并用 模型予以表达。 为了模拟生物神经元，一个简化的人工神经元如图 3-1 所示。该神经元是一 个多输入单输出的非线性元件，其输入输出关系可描述为： f 图 3-1 人工神经元模型 人工神经元模型可以看成是由三个基本要素组成： 1、一组连接权（对应于生物神经元的突触），连接强度由各连接上的权值表示， 权值为正表示激励，为负值表示抑制。 2、一个求和单元，用于求取各输入信息的加权和（线性组合）。 3、一个非线性激励函数，起非线性映射作用并限制神经元输出幅度在一定的 范围之内。此外还有一个阈值。阈值也被看作是一个输入分量，也就是阈值也是 一个权值。在网络的设计中，偏差起着重要的作用，它使得激活函数的图形可以 左右移动而增加了解决问题的可能性。