人工神经网络概述.pptx
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
"人工神经网络概述" 人工神经网络(Artificial Neural Network,简称ANN)是模拟生物神经网络的计算模型,它由大量的神经元组成,每个神经元都可以接收输入,进行处理和输出。ANN可以应用于模式识别、分类、函数拟合、优化等领域,是人工智能和机器学习的重要组成部分。 人工神经网络的提出可以追溯到1940年代, McCulloch 和 Pitts 提出神经元的数学模型(MP 模型),Hebb 提出权重加强的学习机理, Rosenblatt 提出感知机(Perceptron)等等。ANN 的发展经历了三个阶段:早期阶段(~ 1960’s),过渡期(1970’s),高潮(1980 ~)等。 人工神经网络的历史发展关键事件包括: * 1943年McCulloch 和 Pitts 提出神经元的数学模型(MP 模型) * 1949年Hebb 提出权重加强的学习机理 * 1957年Rosenblatt 感知机(Perceptron)有认知学习功能 * 1969年Minsky 证明线性(单层)感知机不能解决 XOR 问题,ANN 进入低潮 * 1982年加州理工 Hopfield 提出结点全互联 ANN 模型(Hopfield 模型) * 1987年ICNN(International Conference on NN)召开 * 1987年加州理工 Abn - mostafa, Psaitis 2D 联想存储输入残缺图案也可识别 * 1988年AT&T Bell lab 120*120 元件的 ANN * 1989年三菱光学 ANN 芯片, 32 个神经元识别 26 个字母 * 1990年日立 5“ 硅片集成 576 个神经元 * 1990年Bell Lab 黄庭钰 数字光学处理器 * 1990年IBM AS400 提供 ANN 仿真开发环境 * 1992年SGI 将 ANN 用于航天飞机控制臂 人工神经网络的结构组成包括: * 生物神经网的构成:树突(Dendrite),胞体(Soma),轴突(Axon),突触(Synapse) * MP 模型:x2 w2 xn wn…x1 w1,特性函数F(x),线性函数、阈值函数、S 形函数(Sigmoid Function) * ANN 连接模型:前馈型网络、反馈型网络 * ANN 的学习算法:有导师学习、无导师学习(自学习、自组织) 人工神经网络的应用领域包括: * 模式识别 * 分类 * 函数拟合 * 优化 * 专家系统 * 智能控制 * 航天飞机控制臂 * 图像处理 * 自然语言处理等等
- 粉丝: 11
- 资源: 17万+
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助