1、神經(jīng)網(wǎng)絡(luò)應(yīng)用,讓機器幫我們思考,人工神經(jīng)網(wǎng)絡(luò)發(fā)展,生物神經(jīng)元,標(biāo)準(zhǔn)M-P模型圖,v1,v4,v3,v2,vn,i,wi1,wi2,wi3,wi4,win,F(ui),ui,標(biāo)準(zhǔn)M-P模型數(shù)學(xué)描述,神經(jīng)元狀態(tài),Ui = Wij * Vj - i j,神經(jīng)元輸出,Vi = f（Ui）,階躍函數(shù),Vi = f（Ui）=,1Ui0,0Ui=0,典型神經(jīng)網(wǎng)絡(luò)應(yīng)用,自適應(yīng)諧振理論（ART） 該模型主要包括ART1、ART2和ART3，它們可以對任意多和任意復(fù)雜的二維模式進行自組織、自穩(wěn)定和大規(guī)模并行處理。ART1主要用于二值輸入，ART2和ART3主要用于連續(xù)信號輸入。該類模型主要用于模式識別（如雷達、聲

2、納的信號識別）。 缺點是對轉(zhuǎn)換、失真及規(guī)模的變化較為敏感。,雪崩模型（Avalanche） 該類神經(jīng)網(wǎng)絡(luò)模型可以學(xué)習(xí)、 記憶和重現(xiàn)隨機復(fù)雜度的時空模式。主要用于連續(xù)的語音識別和教學(xué)機器人。 缺點是調(diào)節(jié)困難。,Hopfield神經(jīng)網(wǎng)絡(luò)模型 它是由相同處理單元構(gòu)成的單層自聯(lián)想網(wǎng)絡(luò)模型。主要用于從片段中進行圖像和數(shù)據(jù)的完全恢復(fù)。,典型神經(jīng)網(wǎng)絡(luò)應(yīng)用,對流傳播模型（CPN ） 該類神經(jīng)網(wǎng)絡(luò)模型是一種在功能上作為統(tǒng)計最優(yōu)化和概率密度函數(shù)分析的網(wǎng)絡(luò)模型。主要用于圖像壓縮、統(tǒng)計分析、貸款應(yīng)用打分。 缺點是對任何類型的問題均需大量的處理單元和連接。,反傳神經(jīng)網(wǎng)絡(luò)模型（BP） 該類神經(jīng)網(wǎng)絡(luò)模型是一多層映射神經(jīng)網(wǎng)絡(luò)

3、。采用的是最小均方差的學(xué)習(xí)方式，是目前使用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。主要用于語言綜合、語言識別、自適應(yīng)控制等。 缺點是它僅僅是有監(jiān)督的一種學(xué)習(xí)方式，而且需要大量的輸入、輸出樣本。,神經(jīng)網(wǎng)絡(luò)分類,網(wǎng)絡(luò)拓撲結(jié)構(gòu),反饋型網(wǎng)絡(luò),前向型網(wǎng)絡(luò),連續(xù)型網(wǎng)絡(luò),離散型網(wǎng)絡(luò),網(wǎng)絡(luò)性能,學(xué)習(xí)方式,有監(jiān)督型網(wǎng)絡(luò),無監(jiān)督型網(wǎng)絡(luò),突觸性質(zhì),一階線性網(wǎng)絡(luò),高階非線性網(wǎng)絡(luò),誤差反向傳播網(wǎng)絡(luò)（BP）,三層BP網(wǎng)絡(luò),正向計算規(guī)則,Sigmoid函數(shù),調(diào)整權(quán)值,誤差反向傳播過程實際上是通過計算輸出層的誤差ek，然后將其與輸出層激活函數(shù)的一階導(dǎo)數(shù)f2相乘來求得ki 由于隱含層中沒有直接給出目標(biāo)矢量，所以利用輸出層的ki反向傳遞來求出

4、隱含層權(quán)值的變化量w2ki。然后計算 同樣通過將ei與該層激活函數(shù)的一階導(dǎo)數(shù)f1相乘，而求得ij，以此求出前層權(quán)值的變化量w1ij 如果前面還有隱含層，沿用上述同樣方法依此類推，一直將輸出誤差ek逐層的反推算到第一層為止,神經(jīng)網(wǎng)絡(luò)適用場景,神經(jīng)網(wǎng)絡(luò)的局限性和優(yōu)勢,非典型解決方案 神經(jīng)網(wǎng)絡(luò)與經(jīng)典計算方法相比并非優(yōu)越, 只有當(dāng)常規(guī)方法解決不了或效果不佳時神經(jīng)網(wǎng)絡(luò)方法才能顯示出其優(yōu)越性。尤其對問題的機理不甚了解或不能用數(shù)學(xué)模型表示的系統(tǒng),如故障診斷、特征提取和預(yù)測等問題,神經(jīng)網(wǎng)絡(luò)往往是最有利的工具。 2. 海量數(shù)據(jù)處理 神經(jīng)網(wǎng)絡(luò)對處理大量原始數(shù)據(jù)而不能用規(guī)則或公式描述的問題, 表現(xiàn)出極大的靈活性和自

5、適應(yīng)性。,神經(jīng)網(wǎng)絡(luò)工具包,重量級工具,Matlab,Joone Editor 構(gòu)建網(wǎng)絡(luò)很方便 更新滯后,Joone,例子豐富，提供很多種網(wǎng)絡(luò)及工具 支持云計算,Encog For Java,神經(jīng)網(wǎng)絡(luò)工具包 - Joone,神經(jīng)網(wǎng)絡(luò)工具包 Encog For Java,意向度模型架構(gòu)圖,賣家,買家,買家,數(shù)據(jù)收集,偏好信息,行為信息,客戶信息,反饋信息,網(wǎng)站,模型管理,ANN模型,數(shù)據(jù)預(yù)處理器,訓(xùn)練器,輸出處理,營銷匹配,意向度計算,模型訓(xùn)練,意向度模型應(yīng)用場景,意向度模型,后臺接待系統(tǒng),訪客,精準(zhǔn)營銷探頭,瀏覽網(wǎng)站,計算意向度,訪客識別,模型優(yōu)化,WEB IM,接待人員,聊天數(shù)據(jù)反饋,意向度數(shù)據(jù)模型,構(gòu)造BP神經(jīng)網(wǎng)絡(luò),選擇BP神經(jīng)網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)絡(luò)被廣泛采用，在大數(shù)據(jù)量處理上具有很好的性能,構(gòu)