机器学习及其MATLAB实现—从基础到实践 第3课
课程目录
第一课 MATLAB入门基础
第二课 MATLAB进阶与提高
第三课 BP神经网络
第四课 RBF、GRNN和PNN神经网络
第五课 竞争神经网络与SOM神经网络
第六课 支持向量机（Support Vector Machine, SVM）
第七课 极限学习机（Extreme Learning Machine, ELM）
第八课 决策树与随机森林
第九课 遗传算法（Genetic Algorithm, GA）
第十课 粒子群优化（Particle Swarm Optimization, PSO）算法
第十一课 蚁群算法（Ant Colony Algorithm, ACA）
第十二课 模拟退火算法（Simulated Annealing, SA）
第十三课 降维与特征选择
人工神经网络概述
什么是人工神经网络？
– In machine learning and cognitive science, artificial neural networks (ANNs) are a family of
statistical learning models inspired by biological neural networks (the central nervous
systems of animals, in particular the brain) and are used to estimate
or approximate functions that can depend on a large number of inputs and are generally
unknown.
人工神经元模型
人工神经元模型
常用的激活函数 y = f(x)
– 线性函数
– 斜坡函数
– 阈值函数
– S型函数（Sigmoid）
– 双极S型函数
神经网络概述
神经网络可以分为哪些？
– 按照连接方式，可以分为：前向神经网络 vs. 反馈（递归）神经网络
– 按照学习方式，可以分为：有导师学习神经网络 vs. 无导师学习神经网络
– 按照实现功能，可以分为：拟合（回归）神经网络 vs. 分类神经网络
