主要内容 第二章人工神经网络基础 本章在介绍了基本神经元后,将概要介绍 人工神经网络的一般特性。主要包括,生 物神经网络模型,人工神经元模型与典型 的激励函数;人工神经网络的基本拓扑特 性,存储类型( CAM--LTM, AM--STM)及映象, Supervised训练与 Unsupervised训练 2021/2/23
2021/2/23 6 主要内容 第二章 人工神经网络基础 本章在介绍了基本神经元后，将概要介绍 人工神经网络的一般特性。主要包括，生 物神经网络模型，人工神经元模型与典型 的激励函数；人工神经网络的基本拓扑特 性 ， 存储类型 （ CAM──LTM ， AM──STM）及映象，Supervised训练与 Unsupervised训练
主要内容 第三章感知器 感知器与人工神经网络的早期发展;单层 网能解决线性可分问题,而无法解决线形 不可分问题,要想解决这一问题,必须引 入多层网;Hebb学习律, Delta规则,感知 器的训练算法。 ·实验:实现一个感知器。 2021/2/23
2021/2/23 7 主要内容 第三章 感知器 感知器与人工神经网络的早期发展；单层 网能解决线性可分问题，而无法解决线形 不可分问题，要想解决这一问题，必须引 入多层网；Hebb学习律，Delta规则，感知 器的训练算法。 • 实验：实现一个感知器
主要内容 第四章向后传播 BP( Backpropagation)网络的构成及其训 练过程;隐藏层权调整方法的直观分析,BP 训练算法中使用的 Delta规则(最速下降法) 的理论推导;算法的收敛速度及其改进讨论; BP网络中的几个重要问题。 实验:实现BP算法。 2021/2/23 8
2021/2/23 8 主要内容 第四章 向后传播 •BP（Backpropagation）网络的构成及其训 练过程；隐藏层权调整方法的直观分析，BP 训练算法中使用的Delta规则（最速下降法） 的理论推导；算法的收敛速度及其改进讨论； BP网络中的几个重要问题。 •实验：实现BP算法
主要内容 第五章对传网 生物神经系统与异构网的引入;对传网的 网络结构, Kohonen层与 Grossberg层的正 常运行,对传网的输入向量的预处理, Kohonen层的训练算法及其权矩阵的初始化 方法; Grossberg层的训练;完整的对传网。 ·实验:实现基本的对传网。 2021/2/23 9
2021/2/23 9 主要内容 第五章 对传网 • 生物神经系统与异构网的引入；对传网的 网络结构，Kohonen层与Grossberg层的正 常运行，对传网的输入向量的预处理， Kohonen层的训练算法及其权矩阵的初始化 方法；Grossberg层的训练；完整的对传网。 • 实验：实现基本的对传网
主要内容 第六章统计方法 统计方法是为了解决局部极小点问题而引 入的,统计网络的基本训练算法,模拟退 火算法与收敛分析, Cauchy训练,人工热 处理与临界温度在训练中的使用,BP算法 与 Cauchy训练相结合。 ·实验:实现模拟退火算法。 2021/2/23 10
2021/2/23 10 主要内容 第六章 统计方法 • 统计方法是为了解决局部极小点问题而引 入的，统计网络的基本训练算法，模拟退 火算法与收敛分析，Cauchy训练，人工热 处理与临界温度在训练中的使用，BP算法 与Cauchy训练相结合。 • 实验：实现模拟退火算法