神经网络的学习方式

神经网络的学习过程是指网络权值的调整。主要的学习方式如下:
1.死记式学习
网络连接权值根据特殊记忆模式设计而成，其值不变。在网络输入相关模式时，唤起对记忆模式的回忆，对输入模式进行相应处理。Hnp}eld网络在作联想记忆和优化计算时采用了死记式学习。
2.有监督学习
有监督学习又称为有教师学习。网络将实际输出和教师指定的输出加以比较，得到在一定范数意义下的误差，由误差函数决定连接权值的调整，目的是使误差函数达到最小值口一般根据占规则对连接权值进行调整。前向神经网络BP算法采用了监督学习方式。
3.无监督学习
无监督学习又称为无教师学习。网络的学习是自我调整的过程，不存在教师示教来指示网络输出是否正确。自组织学习根据某种规则，反复调整连接权值，以便适应输入模式的激励，指导网络形成某种有序状态。竟争学习是一种无监督学习，网络以某种内部规则确定竞争层“获胜”神经元。自组织特征映射网络采用了无监督学习方式。
4.有监督与无监督的混合学习
混合学习过程首先采用无监督学习抽取输入模式的特征，然后利用有监督学习方式对其进行处理，形成输入输出的某种映射。