2016-神经网络及深度学习简介(1).pptxVIP

2016年10月 可靠性小组学术交流 学 生： 雷文辉 导 师： 刘 宇 教授 专 业： 工业工程 神经网络及深度学习简介及其应用An Introduction to Neural Network and Deep Learning and Its Application 概 述 课题背景及意义 主要内容 神经网络简介 深度学习框架简介 3. 应用实例 4. 总结 2 背景及意义 神经网络（Neural Network, NN）是机器学习的一个分支； 神经网络的基本理论形成于上世纪40年代后期，心理学家唐纳德·赫布根据神经可塑性的机制创造了一种对学习的假说，现在称作赫布型学习； 深度学习框架（Deep Learning）可以追溯到1980年福岛邦彦提出的新认知机； 深度学习可以说是神经网络的品牌重塑； 3 人工神经网络 4 网络结构 5 典型的神经网络具有以下三个部分： 结构 （Architecture）： 结构指定了网络中的变量和它们的拓扑关系。例如，神经网络中的变量可以是神经元连接的权重（weights）和神经元的激励值（activities of the neurons）。 激励函数（Activity Rule）： 大部分神经网络模型具有一个短时间尺度的动力学规则，来定义神经元如何根据其他神经元的活动来改变自己的激励