2人工神经网络导论第2章.课件.ppt

1、2022-6-81第第2 2章章 神经元模型和网络结构神经元模型和网络结构2022-6-822.1 目的目的 第第1 1章给出了生物神经元和神经网络的章给出了生物神经元和神经网络的简述。现在来介绍简化的神经元数学模型，简述。现在来介绍简化的神经元数学模型，并解释这些人工神经元如何并解释这些人工神经元如何相互连接形成各种网络结构。另外，本章还将通过几个各种网络结构。另外，本章还将通过几个简单的实例阐述这些网络如何工作。简单的实例阐述这些网络如何工作。 本书中将使用本章所引入的概念和符号。本书中将使用本章所引入的概念和符号。 2022-6-832.2 原理和实例原理和实例2.2.1 2.2.1 符

2、号符号 神经网络是一门新兴学科。迄今为止，人神经网络是一门新兴学科。迄今为止，人们还并没有对其建立严格的数学符号和结构化们还并没有对其建立严格的数学符号和结构化表示。另外，神经网络方面的论文和书籍均是表示。另外，神经网络方面的论文和书籍均是来自诸如工程、物理、心理学和数学等许多不来自诸如工程、物理、心理学和数学等许多不同领域，作者都习惯使用本专业的特殊词汇。同领域，作者都习惯使用本专业的特殊词汇。于是，于是，神经网络的许多文献都难以阅读，概念神经网络的许多文献都难以阅读，概念也较实际情况更为复杂。也较实际情况更为复杂。 在本课中，我们尽可能地使用标准符号。在本课中，我们尽可能地使用标准符号。2

3、022-6-84 本课中的图、数学公式以及解释图和数本课中的图、数学公式以及解释图和数学公式的正文，将使用以下符号：学公式的正文，将使用以下符号： 标量：小写的斜体字母，如标量：小写的斜体字母，如a,b,c。 向量：小写的黑正体字母，如向量：小写的黑正体字母，如a,b,ca,b,c。 矩阵：大写的黑正体字母，如矩阵：大写的黑正体字母，如 A,B,CA,B,C。2.2 原理和实例原理和实例2022-6-852.2.2 神经元模型神经元模型1单输入神经元单输入神经元概念：概念：输入、权值、偏置（值）、净输入、输入、权值、偏置（值）、净输入、 传输函数、输出传输函数、输出. 一个规范的单输入神经元如

4、图一个规范的单输入神经元如图2-1 所示。所示。 图图2-1 单输入神经元表示单输入神经元表示2022-6-86标量输入标量输入p乘标量权值乘标量权值w得到得到wp，再将其送，再将其送入累加器。入累加器。另一个输入另一个输入1 乘上偏置值乘上偏置值b，再将其送入累，再将其送入累 加器。加器。累加器输出通常被称为净输入累加器输出通常被称为净输入n，它被送入，它被送入一个传输函数。一个传输函数。传输函数传输函数f中产生神经元的标量输出中产生神经元的标量输出a。 若将这个简单模型和第若将这个简单模型和第1章所讨论的生章所讨论的生物神经元相对照，则物神经元相对照，则权值对应于突触的连权值对应于突触的连

5、接强度，细胞体对应于累加器和传输函数，接强度，细胞体对应于累加器和传输函数，神经元输出代表轴突的信号。神经元输出代表轴突的信号。2022-6-87神经元输出按下式计算：神经元输出按下式计算：例如，例如，若 ，则 注意，注意，w和和b是神经元的可调整标量参数。是神经元的可调整标量参数。设计者也可选择特定的传输函数，在一些学设计者也可选择特定的传输函数，在一些学习规则中调整参数习规则中调整参数w和和b，以满足特定的需要。，以满足特定的需要。正如将在下一节所讨论的，依据不同目的可正如将在下一节所讨论的，依据不同目的可以选择不同的传输函数。以选择不同的传输函数。)(bwpfa5 . 1, 2p, 3b

6、w）（ 5 . 4) 5 . 12*3 (ffa2022-6-882 2传输函数传输函数 图图2-12-1中的传输函数可以是累加器输出中的传输函数可以是累加器输出（净输入）（净输入）n的线性或非线性函数。可以用特的线性或非线性函数。可以用特定的传输函数满足神经元要解决的特定问题。定的传输函数满足神经元要解决的特定问题。 本书包括了各种不同的传输函数。下面将本书包括了各种不同的传输函数。下面将讨论其中最常用的三种。讨论其中最常用的三种。 2022-6-89 硬极限传输函数硬极限传输函数: : 硬极限传输函数如图硬极限传输函数如图2-2 2-2 中的左图所示，中的左图所示，当函数的自变量小于当函数

7、的自变量小于0 0时，函数的输出为时，函数的输出为0 ;0 ;当函数的自变量大于或等于当函数的自变量大于或等于0 0时，函数的输出时，函数的输出为为1 1 。用该函数可以把输入分成两类。用该函数可以把输入分成两类。 第三、四章将广泛使用该传输函数。第三、四章将广泛使用该传输函数。 硬极限传输函数硬极限传输函数 单输入单输入hardlim神经元神经元 图图2-2 硬极限传输函数硬极限传输函数b)hardlim(wpa )hardlim(wpa2022-6-810 图图2-2的右图描述了使用硬极限传输函数的的右图描述了使用硬极限传输函数的单输入神经元的输入单输入神经元的输入/输出特征曲线。从中可输

8、出特征曲线。从中可看出权值和偏置值的影响。注意，两图之间看出权值和偏置值的影响。注意，两图之间的图标代表硬极限传输函数。在网络图中的的图标代表硬极限传输函数。在网络图中的这个图标表示使用了该传输函数。这个图标表示使用了该传输函数。2022-6-811线性传输函数线性传输函数： 线性传输函数的输出等于输入（如图线性传输函数的输出等于输入（如图2-3 所所示）示）: 线性传输函数线性传输函数 单输入单输入purelin神经元神经元图图2-3 线性传输函数线性传输函数 purlin(wp)a b)purelin(wpana 2022-6-812对数对数-S -S 形传输函数形传输函数： 对数-S 形

9、（logsig）传输函数如图2-4 所示。 Log-Sigmoid 传输函数传输函数 单输入单输入logsig神经元神经元 图图2-4 对数对数-S形传输函数形传输函数alogsig(wp) alogsig(wpb) 2022-6-813 该传输函数的输入在（该传输函数的输入在（-，+）之间）之间取值，输出则在取值，输出则在0到到1 之间取值，其数学表之间取值，其数学表达为：达为： 本书所用的大多数传输函数在表本书所用的大多数传输函数在表2-1中中都可以找到。当然，你也可以定义不同于都可以找到。当然，你也可以定义不同于表表2-1的传输函数。的传输函数。n-e11a2022-6-814 名名 称

10、称 输入输入/输出输出关系关系 图标图标 MATLAB函数函数 硬极限函硬极限函数数 a=0,n0a=1,n0 Hardlim对称硬极对称硬极限函数限函数 a=-1,n0a=1,n0 hardlims线性函数线性函数 a=n purelin饱和线性饱和线性函数函数 a=0 ,n1 stalin表表2-1 传输函数传输函数 2022-6-815对称饱和对称饱和线性函数线性函数 a=-1 ,n1 stalins对数对数-S函函数数 logsig双曲正切双曲正切-S函数函数 tansign-e11an-n-nneee-ea2022-6-816C正线性函正线性函数数 a=0,n0a=n,n0 posl

11、in竞争函数竞争函数 a=1,具有最大具有最大n的神经元的神经元a=0,所有其他的所有其他的神经元神经元 compot2022-6-8173多输入神经元多输入神经元 概念：权值矩阵概念：权值矩阵： 通常，一个神经元有不止一个输入。具通常，一个神经元有不止一个输入。具有有R个输入的神经元如图个输入的神经元如图2-5 所示。所示。 其输入：其输入： 分别对应权值矩阵分别对应权值矩阵W的元素的元素： 12Rppp、11121Rwww、2022-6-818 图图2-5 多输入神经元多输入神经元2022-6-819 该神经元有一个偏置值该神经元有一个偏置值b，它与所有输入的，它与所有输入的加权和累加，从

12、而形成净输入加权和累加，从而形成净输入 ：这个表达式也可以写成矩阵形式：这个表达式也可以写成矩阵形式：其中单个神经元的权值矩阵其中单个神经元的权值矩阵W W只有一列元素。只有一列元素。神经元的输出可以写成：神经元的输出可以写成： n1111221RRnw pw pw pbnbw p(afbwp）2022-6-820 概念：权值下标概念：权值下标 权值矩阵元素下标的第一个下标表示权值权值矩阵元素下标的第一个下标表示权值相应连接所指定的相应连接所指定的目标神经元编号目标神经元编号，第二个，第二个下标表示权值相应连接的下标表示权值相应连接的源神经元编号源神经元编号。 据此，据此， 的含义是：该权值表

13、示从第二的含义是：该权值表示从第二个源神经元到第一个目标神经元的连接。个源神经元到第一个目标神经元的连接。12w2022-6-821 概念：简化符号概念：简化符号 本课程将采用简化符号来表示神经元。本课程将采用简化符号来表示神经元。 图图2-6 为利用这种符号所表示的多输入神经为利用这种符号所表示的多输入神经元。元。 图2-6 具有R个输入的神经元的简化符号 2022-6-822例例2.1 对于图对于图2-1所示的单个神经元设输所示的单个神经元设输入入 ，分别采用，分别采用hardlm, hardlims, purelin,satlin,logsig传输函传输函数，求神经元的输出值。数，求神经

14、元的输出值。-3b,1.2 w2,p2022-6-823解：据（解：据（2.1）式有）式有 (1) a=hardlim()=hardlim (1.2*2-4)= 0(2) a=hardlims()=hardlims(1.2*2-4)= -1(3) a=purelin()=purelin(1.2*2-4)= -1.6(4) a=satlin()=satlin(1.2*2-4)= 0(5) a=logsig()=logsig(1.2*2-4) wp bwp bwp bwp bwp b1.61 =0.1681 e2022-6-8242.2.3 网络结构网络结构1神经网络的层神经网络的层 概念：层概念

15、：层 图图2-7是由是由S个神经元组成的单层网络。个神经元组成的单层网络。 注意，注意，R个输入中的每一个值均与每个神个输入中的每一个值均与每个神经元相连。经元相连。权值矩阵现有权值矩阵现有S行。行。 通常，每层的输入个数并不等于该层中神通常，每层的输入个数并不等于该层中神经元的数目（即经元的数目（即RS）2022-6-825图2-7 S个神经元组成的层()faWpb2022-6-826(2.6) 1.11.21.2.12.22.1.2. RRSSS RwwwwwwwwwW2022-6-827 同样，具有同样，具有S个神经元、个神经元、R 个输入的单层网个输入的单层网络能用简化的符号表示为图络

16、能用简化的符号表示为图2-8 所示的形式。所示的形式。 图2-8 由S个神经元组成的层的简化表示2022-6-8282 2多层神经网络多层神经网络 概念：层上标概念：层上标 第一层的值矩阵可以写为第一层的值矩阵可以写为 ,第二层的第二层的权值矩阵可以写为权值矩阵可以写为 ，等等。如图，等等。如图2-9所所示的三层网络就用了这种标记方法。示的三层网络就用了这种标记方法。1W2W2022-6-829图图2-9 三层网络三层网络123f f () f ()11122 123323aWp baW abaW ab（）332121f (fff)321123aWWWW pbbb（）2022-6-830 如图

17、所示，第一层有如图所示，第一层有R个输入、个输入、S1个神经元，个神经元，第二层有第二层有S2个神经元，等等。要注意不同层可个神经元，等等。要注意不同层可以有不同数目的神经元。以有不同数目的神经元。 第一层和第二层的输出分别是第二层和第三第一层和第二层的输出分别是第二层和第三层的输入。层的输入。 据此，可以将第二层看作是一个单层网络，据此，可以将第二层看作是一个单层网络，它有它有R = S1个输入，个输入，S S2个神经元，和一个个神经元，和一个S2 S1维的权值矩阵维的权值矩阵W2。第二层的输入是。第二层的输入是a1 ，输出是输出是a2。 第三层与第二层情况相似。第三层与第二层情况相似。 2

18、022-6-831 概念：输出层、隐含层概念：输出层、隐含层 如某层的输出是网络的输出，则称该层如某层的输出是网络的输出，则称该层为输出层，而其他层叫隐含层。为输出层，而其他层叫隐含层。 上图中的网络有一个输出层（第上图中的网络有一个输出层（第3 层）层）和两个隐含层（第和两个隐含层（第1 层和第层和第2层）。前面讨层）。前面讨论的三层网络同样也可以用简化的符号表论的三层网络同样也可以用简化的符号表示，如图示，如图2-10 所示。所示。2022-6-832图2-10 三层网络的简化表示11233f f () af ()112212323aW p+baW a +bW a +b（）32112f (

19、fff)3322113aWWWW p+bbb（）2022-6-833 多层网络的功能要比单层网络强大得多。多层网络的功能要比单层网络强大得多。比如，一个第一层具有比如，一个第一层具有S 形传输函数、第形传输函数、第二层具有线性传输函数的网络，二层具有线性传输函数的网络，经过训练经过训练可对大多数函数达到任意精度的逼近可对大多数函数达到任意精度的逼近,而单而单层网络则不能做到这一点。层网络则不能做到这一点。2022-6-834 决定一个网络的决定一个网络的神经元个数神经元个数非常重要。网非常重要。网络的输入络的输入/输出神经元的数量是由问题描述定输出神经元的数量是由问题描述定义的。义的。如果有如

20、果有4 个外部变量作为网络输入，那个外部变量作为网络输入，那么网络就有么网络就有4 个外部变量作为网络输入，那么个外部变量作为网络输入，那么网络就有网络就有4个输入。个输入。 同样，同样，如果网络有如果网络有7个输出，那么网络的输个输出，那么网络的输出层就应该有出层就应该有7 个神经元个神经元。 2022-6-835 输出信号所期望的特征有助于选择输出输出信号所期望的特征有助于选择输出层的传输函数。如果一个输出要么是层的传输函数。如果一个输出要么是-1 ，要么是要么是1 ，那么该，那么该输出神经元就可以用对称输出神经元就可以用对称硬极限传输函数。硬极限传输函数。2022-6-836 那么，如果

21、网络有两层以上的神经元那么，如果网络有两层以上的神经元时，又将如何确定各层的神经元数目？其时，又将如何确定各层的神经元数目？其实问题的关键在于外部问题并没有直接指实问题的关键在于外部问题并没有直接指明隐含层需要的神经元数目。明隐含层需要的神经元数目。 2022-6-837 实际上，精确预测实际上，精确预测隐含层所需要的神经隐含层所需要的神经元元的数目至今仍然存在一些在理论上还没的数目至今仍然存在一些在理论上还没有解决的问题。有解决的问题。这个问题是一个十分活跃这个问题是一个十分活跃的研究领域。的研究领域。 大多数实际的神经网络仅仅只有大多数实际的神经网络仅仅只有2 2到到3 3层层神经元，很少

22、有神经元，很少有4 4层或更多层。层或更多层。2022-6-838 这里还应该讨论一下偏置值的使用这里还应该讨论一下偏置值的使用问题。是否使用偏置值是可以选择的。问题。是否使用偏置值是可以选择的。偏置值给网络提供了额外的变量，从而偏置值给网络提供了额外的变量，从而使得网络具有更强的能力，事实也的确使得网络具有更强的能力，事实也的确是如此。例如，如果没有偏置值，当网是如此。例如，如果没有偏置值，当网络输入为络输入为0 0时，一个神经元的净输入总是时，一个神经元的净输入总是为为0 0。这是不希望出现的，。这是不希望出现的，可以通过用偏可以通过用偏置值来避免。置值来避免。 2022-6-839例例2

23、2 设设 试画出其网络结构示意图，并求网络的试画出其网络结构示意图，并求网络的输出值输出值。 110.5 0.50.5purelin22 , 0.9 -0.1 ,-0.5 purelin0.9 -0.10.4purelinT1pIWbf，2022-6-840 图图2-14 2-14 例例2.22.2的神经网络的结构的神经网络的结构2022-6-841则则0)purelin(2.5purelin(1.5)purelin(0. 0.40.5-0.5 2-2 0.1- 0.90.1- 0.90.5 0.5 fbfa11111）（IW0.5 1.52.02022-6-842例例2.3 一个两层神经网络

24、有一个两层神经网络有4个输入，个输入，3个输个输出，输出为出，输出为01之间连续变化量。设第之间连续变化量。设第1层层的神经元数为的神经元数为2,传输函数为传输函数为tansig,两层神两层神经元都有阈值，画出其网络向量模型结构经元都有阈值，画出其网络向量模型结构示意图。示意图。2022-6-843解：根据题意，其网络向量模型结构示意解：根据题意，其网络向量模型结构示意图如图图如图2-15 图图2-15 例例2.3 神经网络的向量模型神经网络的向量模型2022-6-844例例2.4 某个神经网络的部分属性如下，据此画某个神经网络的部分属性如下，据此画出其网络向量模型结构示意图。出其网络向量模型

25、结构示意图。 net.numlnputs=1 %网络有网络有1个输入向量个输入向量 net.inputsl.size=2 %2个输入变量，即输个输入变量，即输入变量为入变量为2维。维。 net.numLayers=2 %有有2个网络层个网络层 net.layersl.dimensions = 3 %第第l个网个网 络络层有层有3个神经元个神经元2022-6-845 net.layers2.dimensions = 2 %第第2个网络层有个网络层有2个神经元个神经元 net.biasConnect=1;1 %每个网络层的神经元都有阈值每个网络层的神经元都有阈值 net.inputConnect1

26、;0 %第第1个网络层（输入层）与输入向量连接，个网络层（输入层）与输入向量连接， %第第2 个网络层与输入向量无连接个网络层与输入向量无连接 net.layerConnect=0 0; 1 0 %只有第只有第1个网络层到第个网络层到第2个网络层的连接，个网络层的连接， %无其他网络层连接无其他网络层连接2022-6-846 net.outputConnect 0 1 %第第2个网络层为输出层，个网络层为输出层， net.outputsl.size=2 %有有2个输出变量，即输出变量为个输出变量，即输出变量为2维。维。 net.layersl.transferFcn=logsig %第一网络层

27、神经元的传输函数为第一网络层神经元的传输函数为logsig net.layers2.transferFcn =logsig %第二网络层神经元的传输函数为第二网络层神经元的传输函数为logsig 解解:据此画出网络向量模型结构示意图如图据此画出网络向量模型结构示意图如图2 -16 所示。所示。2022-6-847 图图2-16 例例2.4 神经网络的向量模型神经网络的向量模型2022-6-8482.3 小结小结: 单输入神经元：单输入神经元： )W(bpfa2022-6-849多输入神经元：多输入神经元：f(b)a wp2022-6-850多输入神经元简化图示：多输入神经元简化图示：f(b)a

28、 wp2022-6-851 名名 称称 输入输入/输出关输出关系系 图标图标 MATLAB函数函数 硬极限函数硬极限函数 a=0,n0a=1,n0 Hardlim对称硬极限对称硬极限函数函数 a=-1,n0a=1,n0 hardlims线性函数线性函数 a=n purelin传输函数：2022-6-852饱和线性函数饱和线性函数 a=0 ,n1 stalin对称饱和线性对称饱和线性函数函数 a=-1 ,n1 stalins2022-6-853对数对数-S函数函数 logsig双曲正切双曲正切-S函函数数 tansig正线性函数正线性函数 a=0,n0a=n,n0 poslin竞争函数竞争函数

29、a=1,具有最大具有最大n的神经元的神经元a=0,所有其他所有其他的神经元的神经元 Ccompotn-e11an-n-nneee-ea2022-6-854神经元层神经元层f()baWp+2022-6-855三层神经元简化图示：三层神经元简化图示：1233f f () f ()1112212332aW p+baW a +baW a +b（）33211 1f (fff)321123aWWWW p+bbb（）2022-6-856 如何选取一种网络结构？如何选取一种网络结构？ 应用问题的描述从如下几个方面非常有助于应用问题的描述从如下几个方面非常有助于定义网络的结构：定义网络的结构： l）网络的输入个

30、数应用问题的输入数）网络的输入个数应用问题的输入数;2）输出层神经元的数目应用问题的输出数目）输出层神经元的数目应用问题的输出数目;3）输出层的传输函数选择至少部分依赖于应用）输出层的传输函数选择至少部分依赖于应用问题的输出描述。问题的输出描述。2022-6-8572.4 例题例题P2.1 一个单输入神经元的输入是一个单输入神经元的输入是2.0 ，其权，其权值是值是2.3 ，偏置值是，偏置值是-3。）传输函数的净输入是多少？）传输函数的净输入是多少？）神经元的输出是多少？）神经元的输出是多少？2022-6-858解：解：（）传输函数的网络输入由下式给出：）传输函数的网络输入由下式给出：（）因为

31、未指定传输函数，所以不能确定）因为未指定传输函数，所以不能确定该神经元的输出。该神经元的输出。(2.3)(2)( 3)1.6nwpb 2022-6-859P2.2 如果如果P2.1中的神经元分别具有如下传输函中的神经元分别具有如下传输函数，请问其输出值分别是多少？数，请问其输出值分别是多少？（）硬极限函数）硬极限函数（）线性函数）线性函数（）对数）对数-S形（形（logsig）函数）函数解：解：（）对硬极限传输函数有）对硬极限传输函数有 1（ii）对线性传输函数有）对线性传输函数有 1.6a hardlim (1.6) apurelin (1.6) 2022-6-860(）对对数）对对数-S

32、形传输函数有形传输函数有1.61log(1.6)0.83201asige2022-6-861P2.3 P2.3 给定一个具有如下参数的两输入神经元：给定一个具有如下参数的两输入神经元： , , 试依据下列传输函数计算神经元输出：试依据下列传输函数计算神经元输出：(1(1）对称硬极限传输函数。）对称硬极限传输函数。(2(2）饱和线性传输函数。）饱和线性传输函数。(3(3）双曲正切）双曲正切S S形（形（tansig）传输函数。）传输函数。Tb 1.2,3 2, -5 6wp2022-6-862 解：解： 首先计算净输入首先计算净输入n : n : -1.8 -1.8 现针对每种传输函数计算该神经

33、元的输出。现针对每种传输函数计算该神经元的输出。 -1-1 0 0 -0.9468 -0.9468(1) lim ( 1.8)ahards(2) ( 1.8)asatlin(3) tan( 1.8)asig53 2(1.2)6nbwp2022-6-863P2.4 现有一个单层神经网络，具有现有一个单层神经网络，具有6个输入个输入和和2个输出。输出被限制为个输出。输出被限制为0到到1 之间的连之间的连续值。叙述该网络的结构，请说明：续值。叙述该网络的结构，请说明：（1）需要多少个神经元？）需要多少个神经元？（2）权值矩阵的维数是多少？）权值矩阵的维数是多少？（3）能够采用什么传输函数？）能够采用

34、什么传输函数？（4）需要采用偏置值吗？）需要采用偏置值吗？2022-6-864解：解：该问题的求解结果如下：该问题的求解结果如下：（1）需要两个输出神经元，每个输出一个。）需要两个输出神经元，每个输出一个。（2）对应）对应2个神经元和个神经元和6个输入，权值矩阵个输入，权值矩阵 应有应有2行行6列（乘积是一个二元向量）。列（乘积是一个二元向量）。（3）根据前面所讨论的传输函数性质，选用）根据前面所讨论的传输函数性质，选用Logsig传输函数是最适合的。传输函数是最适合的。（4）题中未能给出足够的条件以确定是否需）题中未能给出足够的条件以确定是否需要偏置值。要偏置值。2022-6-8652.5

35、2.5 结束语结束语 本章介绍了一种简单的人工神经元，并展示本章介绍了一种简单的人工神经元，并展示了如何通过不同的连接方式将一些神经元组连接了如何通过不同的连接方式将一些神经元组连接起来构造出不同的神经网络。本章的一个主要目起来构造出不同的神经网络。本章的一个主要目的是介绍一些基本表示方法。的是介绍一些基本表示方法。2022-6-866 习题习题E2.1 E2.1 一个单输入神经元的输入是一个单输入神经元的输入是2.02.0，其，其输入连接的权值是输入连接的权值是1.3 1.3 ，偏置值是，偏置值是-4.0 -4.0 。如果它的输出分别为如下一些值，请根据如果它的输出分别为如下一些值，请根据表

36、表2-12-1回答它分别可以采用哪些传输函数？回答它分别可以采用哪些传输函数？（1 1）-1.4-1.4（2 2）0 0（3 3）-1.0-1.02022-6-867E2.2 E2.2 假设一个具有偏置值的单输入神经元，假设一个具有偏置值的单输入神经元，现希望当输入值小于现希望当输入值小于3 3 时，输出值为时，输出值为-1,-1,输入输入值大于等于值大于等于3 3 时，其输出值为时，其输出值为+1+1请问：请问：（）需要什么类型的传输函数？）需要什么类型的传输函数？（）偏置值应该取多大？它与输入连接的权）偏置值应该取多大？它与输入连接的权值相关吗？如果相关，如何相关？值相关吗？如果相关，如何

37、相关？（）通过指定传输函数的名称、描述偏置值）通过指定传输函数的名称、描述偏置值和权值来概括该网络。请画出网络的图形。和权值来概括该网络。请画出网络的图形。2022-6-868E2.3 给定一个具有如下权值矩阵和输入向量的给定一个具有如下权值矩阵和输入向量的两输入神经元：两输入神经元： 若希望其输出值为若希望其输出值为0.5。请问是否存在偏置值。请问是否存在偏置值和传输函数的某种组合可以满足这一要求？和传输函数的某种组合可以满足这一要求？(1)若偏置值为若偏置值为0 ,表表2.1 中有能够实现上述功能的中有能够实现上述功能的传输函数吗？传输函数吗？(2)如使用线性传输函数，存在能实现上述功能的

38、如使用线性传输函数，存在能实现上述功能的偏置值吗？如果有，说明偏置值是什么？偏置值吗？如果有，说明偏置值是什么？3 2 -5 7 WP而且2022-6-869 (3)如使用对数如使用对数-S 形传输函数，存在能实现上述形传输函数，存在能实现上述功能的偏置值吗？请说明偏置值是什么？功能的偏置值吗？请说明偏置值是什么？(4)如果使用对称硬极限传输函数，存在能够实如果使用对称硬极限传输函数，存在能够实现上述功能的偏置值吗？如果有，请说明偏置现上述功能的偏置值吗？如果有，请说明偏置值是什么？值是什么？2022-6-870E2.4 一个两层神经网络有一个两层神经网络有4个输入和个输入和6个输出。个输出。输出值为取值输出值为取值0到到1之间的连续值。对于该网络之间的连续值。对于该网络的结构可以说些什么？特别是：的结构可以说些什么？特别是：（1）每一层中需要有多少神经元）每一层中需要有多少神经元（2）第一层和第二层的权值矩阵分别是几维？）第一层和第二层的权值矩阵分别是几维？（3）每一层可用哪种类型的传输函数？）每一层可用哪种类型的传输函数？（4）每层中都需要偏置值吗？）每层中都需要偏置值吗？