下载文档原格式
人工神经网络简介1 人工神经网络概念、特点及其原理 (1)1.1人工神经网络的概念 (1)1.2人工神经网络的特点及用途 (2)1.3人工神经网络的基本原理 (3)2 人工神经网络的分类及其运作过程 (5)2.1 人工神经网络模式的分类 (5)2.2 人工神经网络的运作过程 (6)3 人工神经网络基本模型介绍 (6)3.1感知器 (7)3.2线性神经网络 (7)3.3BP（Back Propagation）网络 (7)3.4径向基函数网络 (8)3.5反馈性神经网络 (8)3.6竞争型神经网络 (8)1 人工神经网络概念、特点及其原理人工神经网络（Artificial Neural Networks，简记作ANN），是对人类大脑系统的一阶特征的一种描述。
简单地讲，它是一个数学模型，可以用电子线路来实现，也可以用计算机程序来模拟，是人工智能研究的一种方法。
1.1人工神经网络的概念利用机器模仿人类的智能是长期以来人们认识自然、改造自然的理想。
自从有了能够存储信息、进行数值运算和逻辑运算的电子计算机以来，其功能和性能得到了不断的发展，使机器智能的研究与开发日益受到人们的重视。
1956年J.McCart冲等人提出了人工智能的概念，从而形成了一个与神经生理科学、认知科学、数理科学、信息论与计算机科学等密切相关的交叉学科。
人工神经网络是人工智能的一部分，提出于50年代，兴起于80年代中期，近些年已经成为各领域科学家们竞相研究的热点。
人工神经网络是人脑及其活动的一个理论化的数学模型，它由大量的处理单元通过适当的方式互联构成，是一个大规模的非线性自适应系统，1998年Hecht-Nielsen曾经给人工神经网络下了如下定义：人工神经网络是一个并行、分层处理单元及称为联接的无向信号通道互连而成。
这些处理单元（PE-Processing Element）具有局部内存，并可以完成局部操作。
每个处理单元有一个单一的输出联接，这个输出可以根据需要被分支撑希望个数的许多并联联接，且这些并联联接都输出相同的信号，即相应处理单元的信号。
《人工神经网络》教学大纲课程英文名称: Artificial Neural Network开课学院：信息工程学院开课学期：第 2学期课程编号：40811 学时、学分：32/2课程类别：专业选修课适用学科专业：计算机科学与技术、软件工程一、课程的教学目的与任务人工神经网络模型只是生物神经系统的一种高度简化后的近似。
它用大量的简单神经元广泛互连成一种计算结构，属于自适应非线性动力学系统，具有学习、记忆、计算和各种智能处理功能。
它在不同程度和层次上模仿人脑神经系统的结构及信息处理、存储和检索等功能。
人工神经网络是一门新兴交叉科学。
近一、二十年来，掀起了一次研究人工神经网络的新高潮以来，引起了许多领域科学家的高度重视，积极开展了大量研究工作，取得了不少突破性进展，例如系统控制、数据压缩、模式识别、系统鉴别等方面。
工程界对人工神经网络及其应用表示了极大的关注和热情，希望它能在用传统理论和方法难以解决的问题方面，发挥重要的作用。
本课程力图从工程应用的角度专门对人工神经网络及其在控制、人工智能中的专家系统和预报方面的应用作比较系统的阐述。
从几种典型人工神经网络的构成原理和比较实用而有发展前途的角度选择了四类五种模型，对每种类型，按照结构、基本原理、算法、设计和应用的层次加以介绍。
二、课程的教学基本要求本课程基于简明易懂、便于软件实现、鼓励探索的原则介绍人工神经网络的基本模型、拓扑结构和特性等。
要求学生熟悉常见的人工神经网络的结构和特性，包括智能系统描述模型、人工神经网络方法的特点等。
在本课程有限学时内,要求学生重点掌握下列几方面的知识。
（1）神经网络模型的基本理论；（2）神经网络的结构设计﹑实现算法；（3）基于MATLAB的神经网络实现技术平台；（4）神经网络在工程中的应用背景和实例；（5）神经网络理论的发展与前沿问题。
三、相关课程本课程的学习，要求学生具备：数值分析、线性代数、高级语言程序设计等方面的基础知识。
人工神经网络简介本文主要对人工神经网络基础进行了描述，主要包括人工神经网络的概念、发展、特点、结构、模型。
本文是个科普文，来自网络资料的整理。
一、人工神经网络的概念人工神经网络（Artificial Neural Network，ANN）简称神经网络(NN)，是基于生物学中神经网络的基本原理，在理解和抽象了人脑结构和外界刺激响应机制后，以网络拓扑知识为理论基础，模拟人脑的神经系统对复杂信息的处理机制的一种数学模型。
该模型以并行分布的处理能力、高容错性、智能化和自学习等能力为特征，将信息的加工和存储结合在一起，以其独特的知识表示方式和智能化的自适应学习能力，引起各学科领域的关注。
它实际上是一个有大量简单元件相互连接而成的复杂网络，具有高度的非线性，能够进行复杂的逻辑操作和非线性关系实现的系统。
神经网络是一种运算模型，由大量的节点（或称神经元）之间相互联接构成。
每个节点代表一种特定的输出函数，称为激活函数（activation function）。
每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重（weight），神经网络就是通过这种方式来模拟人类的记忆。
网络的输出则取决于网络的结构、网络的连接方式、权重和激活函数。
而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。
神经网络的构筑理念是受到生物的神经网络运作启发而产生的。
人工神经网络则是把对生物神经网络的认识与数学统计模型相结合，借助数学统计工具来实现。
另一方面在人工智能学的人工感知领域，我们通过数学统计学的方法，使神经网络能够具备类似于人的决定能力和简单的判断能力，这种方法是对传统逻辑学演算的进一步延伸。
人工神经网络中，神经元处理单元可表示不同的对象，例如特征、字母、概念，或者一些有意义的抽象模式。
网络中处理单元的类型分为三类：输入单元、输出单元和隐单元。
输入单元接受外部世界的信号与数据；输出单元实现系统处理结果的输出；隐单元是处在输入和输出单元之间，不能由系统外部观察的单元。
