清华大学--人工神经网络PPT培训讲解.ppt

人工神经网络 Artificial Neural Networks;;教材;主要参考书目;课程目的和基本要求 ;课程目的和基本要求;主要内容 ;主要内容;主要内容;主要内容;主要内容;主要内容;主要内容;主要内容;第1章??? 引言;第1章??? 引言;第1章??? 引言;1.1 人工神经网络的提出 ;1.1 人工神经网络的提出;1.1 人工神经网络的提出;1.1 人工神经网络的提出;1.1 人工神经网络的提出;1.1 人工神经网络的提出;1.1 人工神经网络的提出;1.1 人工神经网络的提出;1.1 人工神经网络的提出;1.1 人工神经网络的提出;1.1 人工神经网络的提出;1.1 人工神经网络的提出;1.1 人工神经网络的提出;1.2 人工神经网络的特点;1.2.1 人工神经网络的概念;1.2.1 人工神经网络的概念;1.2.1 人工神经网络的概念;1.2.1 人工神经网络的概念;1.2.1 人工神经网络的概念;1.2.1 人工神经网络的概念;1.2.1 人工神经网络的概念;1.2.2 学习（Learning）能力 ;1.2.3 基本特征的自动提取 ;1.2.4 信息的分布存放;1.2.5适应性(Applicability)问题 ;1.3 历史回顾 ;1.3.2 第一高潮期（1950~1968） ;1.3.3 反思期（1969~1982） ;1.3.4 第二高潮期（1983~1990） ;1.3.4 第二高潮期（1983~1990）;1.3.4 第二高潮期（1983~1990）;1.3.5 再认识与应用研究期（1991~） ;1.3.5 再认识与应用研究期（1991~） ;第2章 人工神经网络基础;第2章 人工神经网络基础;2.1 生物神经网;2.1 生物神经网;2.2 人工神经元 ;2.2.1 人工神经元的基本构成 ;2.2.2 激活函数(Activation Function) ;2、非线性斜面函数(Ramp Function);2、非线性斜面函数（Ramp Function）;3、阈值函数（Threshold Function）阶跃函数;3、阈值函数（Threshold Function）阶跃函数;4、S形函数 ;4、S形函数 ;2.2.3 M-P模型 ;上次课内容回顾;上次课内容回顾;上次课内容回顾;上次课内容回顾;2.3 人工神经网络的拓扑特性 ;2.3.1 联接模式 ;2.3.1 联接模式 ;2.3.1 联接模式;2.3.2 网络的分层结构 ;简单单级网;简单单级网;单级横向反馈网;单级横向反馈网 ;多级网;层次划分 信号只被允许从较低层流向较高层。 层号确定层的高低：层号较小者，层次较低，层号较大者，层次较高。 输入层：被记作第0层。该层负责接收来自网络外部的信息;第j层：第j-1层的直接后继层（j0），它直接接受第j-1层的输出。 输出层：它是网络的最后一层，具有该网络的最大层号，负责输出网络的计算结果。 隐藏层：除输入层和输出层以外的其它各层叫隐藏层。隐藏层不直接接受外界的信号，也不直接向外界发送信号;约定 : 输出层的层号为该网络的层数：n层网络，或n级网络。 第j-1层到第j层的联接矩阵为第j层联接矩阵，输出层对应的矩阵叫输出层联接矩阵。今后，在需要的时候，一般我们用W（j）表示第j层矩阵。;多级网——h层网络;多级网;循环网;循环网 ;2.4 存储与映射 ;2.4 存储与映射;2.4 存储与映射;2.4 存储与映射;2.5 人工神经网络的训练 ;2.5.1无导师学习 ;2.5.1无导师学习;2.5.2 有导师学习 ;Delta规则 ;其它;练习题;上次课内容回顾:网络的分层结构;上次课内容回顾:网络的分层结构;上次课内容回顾：存储与映射;上次课内容回顾：训练;第3章 感知器 ;第3章 感知器;3.1 感知器与ANN的早期发展;3.1 感知器与ANN的早期发展;3.2 感知器的学习算法 ;3.2.1离散单输出感知器训练算法 ;算法3-1离散单输出感知器训练算法 ;3.2.2离散多输出感知器训练算法 ;算法3-2离散多输出感知器训练算法 ;算法3-2离散多输出感知器训练算法;算法3-2离散多输出感知器训练算法;算法3-2离散多输出感知器训练算法;算法3-2离散多输出感知器训练算法;3.2.3 连续多输出感知器训练算法 ;算法3-3 连续多输出感知器训练算法 ;算法3-3 连续多输出感知器训练算法 ;3.3 线性不可分问题 ;用于求解XOR的单神经元感知器 ;线性不可分函数;线性不可分函数;3.3.2 线性不可分问题的克服 ;两级单输出网在n维空间中划分出m边凸域 ;第1次课堂测试（5分*4）;习题;第1次课堂测试解答要点;第1次课堂测试解答要点;上次课内容回顾:学习算法;上次课内容回顾:线性不可分