神经网络教程ppt课件.pptVIP

人工神经网络;目录;第4章 Hopfield网络模型 4．1 离散型Hopfield神经网络 4．2 连续型Hopfield神经网络 Hopfield网络模型源程序 4．3 旅行商问题(TSP)的HNN求解 Hopfield模型求解TSP源程序 第5章 随机型神经网络 5．1 模拟退火算法 5．2 Boltzmann机 Boltzmann机模型源程序 5．3 Gaussian机 第6章自组织神经网络 6．1 竞争型学习 6．2 自适应共振理论(ART)模型 6．3 自组织特征映射(SOM)模型 6．4 CPN模型;第7章 联想记忆神经网络 7．1 联想记忆基本特点 7．2 线性联想记忆LAM模型 7．3 双向联想记忆BAM模型 7．4 时间联想记忆TAM模型 Hopfield模型联想记忆源程序 第8章 CMAC模型 8．1 CMAC模型 8．2 CMAC映射算法 8．3 CMAC的输出计算 8．4 CMAC控制器模型;神经网络研究与发展; 50年代末期，Rosenblatt提出感知机模型(Perceptron)，首先从工程角度出发，研究了用于信息处理的神经网络模型.这是一种学习和自组织的心理学模型，它基本符合神经生理学的原理。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。 ;;;;;;;; 实际上．脑对外界世界时空客体的描述和识别，乃是认知的基础。认知问题离不开对低层次信息处理的研究和认识。虽然符号处理在脑的思维功能模拟等方面取得了很大进展，但它对诸如视觉、听觉、联想记忆和形象思维等问题的处理往往感到力不从心。所以符号处理不可能全面解决认知问题和机器智能化问题．它对高层次脑功能的宏观模拟很有效，而对一些低层次的模式处理则至今还有许多困难。;;人脑信息处理机制;;;;;;;;;;;;;人工神经网络的信息处理能力;;;;;;;;;;;神经网???理论研究重大成果;第2章 人工神经网络基本模型;标准MP模型 ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;