数据仓库与数据挖掘技术第八章人工神经网络

第8章 人工神经网络方法

8.1人工神经网络的基本概念

8.1.1人工神经元原理

图8-1神经元模型

图8-2常见的作用函数

8.1.2人工神经网络拓扑结构

1 / 13

图8-3典型的神经网络结构

8.1.3人工神经网络学习算法

1. 神经网络的学习方式

2. 神经网络的学习规则

8.1.4人工神经网络泛化

8-4BP神经网络的拓扑结构

图

8.2误差反向传播(BP)神经网络

8.2.1BP神经网络的拓扑结构

8.2.2BP神经网络学习算法

8.2.3BP神经网络设计

8.3自组织特征映射(SOFM)神经网络

8.3.1SOFM神经网络的拓扑结构

图8-5SOFM神经网络的拓扑结构

8.3.2SOFM神经网络聚类的基本算法

8.3.3SOFM神经网络学习算法分析

1. 学习率

2. 邻域

8.4Elman神经网络

8.4.1Elman神经网络的拓扑结构

图8-6Elman神经网络的拓扑结构

8.4.2Elman神经网络权值计算

8.5Hopfield神经网络

8.5.1Hopfield神经网络的拓扑结构

图8-7Hopfield神经网络的拓扑结构

8.5.2Hopfield神经网络学习算法概述

8.5.3离散Hopfield神经网络

8.5.4连续Hopfield神经网络

1. 设置互连权值

2. 未知类别初始化

3. 迭代直到收敛

8.6利用SQL Server 2005神经网络进行数据挖掘

8.6.1数据准备

图8-8统计类别个数的实现

8.6.2挖掘流程

图8-9更新表中数据

图8-10经处理的tdm数据示意图

图8-11选择数据挖掘技术

图8-12选择数据源视图

图8-13指定表类型

图8-14指定数据类型

图8-15指定列的内容和数据类型

图8-16完成数据挖掘结构的创建

图8-17“次级”提升图

图8-18“次级”分类矩阵图

习题8

1. BP神经网络有哪些优缺点？试各列举3条。

2. 人工神经元有哪些性质？

3. SOFM神经网络的学习算法步骤?

4. BP神经网络与SOFM神经网络的异同?

5. 人工神经网络常用的学习规则有哪些？

友情提示：范文可能无法思考和涵盖全面，供参考!最好找专业人士起草或审核后使用，感谢您的

下载！