神经网络与数据融合技朮分析.pptxVIP

神经网络与多传感器数据融合;知识基础 1、激励函数（阶跃函数、非线性函数、 连续函数、单调函数）、函数收敛 2、偏微分、梯度、方差与均方差 3、向量与矩阵 4、最优解与解空间 5、Matlab使用 6、人工智能基础;1、萌芽期 40年代初，美国Mc Culloch和Pitts从信息处理的角度，研究神经细胞行为的数学模型表达．提出了阈值加权和模型—MP模型。 1949年，心理学家Hebb提出著名的Hebb学习规则，即由神经元之间结合强度的改变来实现神经学习的方法。Hebb学习规的基本思想至今在神经网络的研究中仍发挥着重要作用。 ; 50年代末期，Rosenblatt提出感知机模型(Perceptron)。感知机虽然比较简单，却已具有神经网络的一些基本性质，如分布式存贮、并行处理、可学习性、连续计算等。这些神经网络的特性与当时流行串行的、离散的、符号处理的电子计算机及其相应的人工智能技术有本质上的不同，由此引起许多研究者的兴趣。 在60代掀起了神经网络研究的第一次高潮。但是，当时人们对神经网络研究过于乐观，认为只要将这种神经元互连成一个网络，就可以解决人脑思维的模拟问题，然而，后来的研究结果却又使人们走到另一个极端上。 ; 60年代末，美国著名人工智能专家Minsky和Papert对Rosenblatt的工作进行了深人研究，出