人工神经网络的基本特性和结构

时间:2015-08-26 09:33 来源:自动控制网

    人工神经网络的结构基本上分为两类,即递归(反馈) 网络和前馈网络,简介如下。
    (1) 递归网络
    在递归网络中,多个神经元互连以组织一个互连神经网络,如图所示。有些神经元的输出被反馈至同层或前层神经元,递归网络又叫做反馈网络。Hopfield网络,Elmman网络和Jordan网络是递归网络有代表性的例子。

图递归(反馈) 网络图7.3 前馈(多层) 网络

(2) 前馈网络
具有递阶分层结构,由一些同层神经元间不存在互连的层级组成。从输入层至输出层的信号通过单向连接流通;神经元从一层连接至下一层,不存在同层神经元间的连接,如图7.3。前馈网络的例子有多层感知器(MLP) 、学习矢量量化(LVQ) 网络、小脑模型联接控制(CMAC) 网络和数据处理方法(GMDH) 网络等。