神经网络与遗传算法ppt课件.ppt

人工神经网络与遗传算法;前言 ? 教材 ? 主要参考书 ? 课程目的 ? 课程内容 ? 知识基础 ? 课时安排 ? 成绩评定; 教 材书 名：《人工神经网络导论》出版社：高等教育出版社作 者：蒋宗礼定 价：12.4元; 主要参考书1、沈世镒,《神经网络理论与应用》,科学出版社。2、郝红伟,《Matlab 6.0 入门》,中国电力出版社。3、闻新、周露等，《Matlab神经网络应用设计》，科学出版社。4、周明，孙树栋，遗传算法原理及应用，国防工业出版社，1999。;课程目的 1、引导学生了解人工神经网络及遗传算法的基本思想。 2、重点介绍感知器及BP网络模型，让学生掌握其结构、数学描述及学习算法。 3、通过实验进一步体会BP神经网络模型的应用及性能。 4、了解人工神经网络与遗传算法的有关研究思想，培养将该方法应用与工程实践的能力。 5、查阅适当的参考文献，将所学的知识应用于将来的学习或科研中。;课程内容 第1章 概述 1. 1 人工神经网络研究与发展 1. 2 生物神经元 1. 3 人工神经网络的构成 第2章 人工神经网络基本模型 2. 1 感知器模型 2. 2 线性神经网络 2. 3 BP神经网络 2. 4 其他神经网络;第3章 BP神经网络理论 3. 1 网络结构 3. 2 数学模型 3. 3 学习算法 3. 4 网络的泛化能力 3. 5 算法的改进 3. 6 网络结构参数的确定 第4章 BP神经网络应用 4. 1 MATLAB应用基础 4. 2 一个正弦波学习程序设计 4. 3 网络结构调整与算法改进 4. 4 网络计算与分析;第5章 遗传算法 5. 1 形成与发展 5. 2 基本原理 5.2.1 基本概念 5.2.2 编码 5.2.3 适应度函数 5.2.4 遗传算子 5.2.5 遗传学习算法 5. 3 研究方向 5. 4 应用实例 ;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;课时安排 1、上课：24学时 8?14周二3~4节， 8?12周五1~2节 2、上机：20学时 13?20周五1~2节，19 ?20周二3~4节 3、其它：8学时 15?18周二3~4节 用于查阅资料、作业、论文写作 ;成绩评定 1、出勤率（到课率和上机） 2、作业一次 3、论文一篇;1. 1 人工神经网络的研究与发展;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。 ;2、第一次高潮 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。 ;3、反思期 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，出版了有较大影响的《Perceptron》一书，指出感知机的功能和处理能力的局限性，同时也指出如果在感知器中引入隐含神经元，增加神经网络的层次，可以提高神经网络的处理能力，但是却无法给出相应的网络学习算法。另一方面，由于60年代以来微电子技术日新月异的发展，电子计算机的计算速度飞速提高，加上那时以功能模拟为目标、以知识信息处理为