人工神經網咯的類型有很多,以下對幾個普遍的分類進行介紹:
首先介紹一下神經網絡的主要學習規則有
1、HEBB學習規則
2、離散感知器學習規則
3、連續感知器學習規則
4、最小均方學習規則
5、相關學習規則
6、勝者爲王學習規則
7、外星學習規則
一、感知器神經網絡
最有代表性的是BP神經網絡,因爲實在太熟悉就不作介紹了!
二、自組織競爭神經網絡
1981年T.Kohonen提出一種自組織特徵映射網(SOFM),其認爲一個神經網絡接收外界輸入模式時,將會分爲不同的對應區域,各個區域對輸入模式具有不同的響應特徵,而且這個過程是自動完成的。
SOFM網的運行分訓練和工作兩個階段。
三、徑向基函數神經網絡
RBF網絡,常用於聚類,典型的如K-MEANS算法。
四、反饋神經網絡
典型的如hopfield神將網絡,是通過聯想進行學習,在hopfield神將網絡中,連接權值一開始就確定的。同手B.Kosko於1988年提出了BAM(bidirectional association memory)網絡,它是一種雙向聯想記憶的神經網絡
五、小腦模型神經網絡
1975年,J.S.Albus提出CMAC(cerebrallar model articulation controller),模仿小腦指揮運動具有不假思索作出條件反射式迅速響應的特點。
六、支持向量機
SVM,近來好流行的一種神經網絡,與其他仿生算法不同,SVM具有深厚的數學理論基礎,其主要思想是通過尋找最優超平面,通過拉格朗日公式求解最優化的問題。SVM中比較典型的是SMO算法。
七、演化神經網絡
通過遺傳算法和神經網絡結合,主要是通過遺傳算法解決神經網絡中的結構選擇問題。