人工神经网络入门：n维空间中的凸域划分与基本模型

"两级单输出网在n维空间中划分出m边凸域-人工神经网络 课件" 本文档是关于人工神经网络的课程资料，由蒋宗礼教授编写，涵盖了神经网络的基础理论和应用。课程的目标是引导学生进入神经网络的研究领域，理解并掌握神经网络的基本概念、模型和实现方法。同时，鼓励学生通过实验和文献阅读，将所学知识与未来的研究课题相结合。 教材《人工神经网络导论》由蒋宗礼著，高等教育出版社于2001年出版，是课程的主要参考资料。此外，还列举了几本重要的神经网络参考书，包括Philip D. Wasserman的《Neural Computing: Theory and Practice》、胡守仁、余少波、戴葵的《神经网络导论》、杨行峻、郑君里的《人工神经网络》以及闻新、周露、王丹力、熊晓英的《MATLAB神经网络应用设计》。 课程内容分为多个部分，包括智能系统的基本模型、人工神经网络（ANN）的基础、感知机（Perceptron）、反向传播（BP）网络、竞争型网络（CPN）、统计方法、霍夫菲尔德网（Hopfield Net）与双向联想记忆（BAM）、自组织映射（ART）等。其中，第一章引论讲解了智能系统的概念、历史和特点，对比了物理符号系统和连接主义的观点。第二章深入介绍了人工神经网络的基本构造，如生物神经元模型、人工神经元的激励函数以及网络的拓扑特性。 课程强调了对人工神经网络基本模型的理解，如单层网、多层网、循环网等，以及它们的训练算法、工作原理和应用实例。此外，学生还将学习如何通过软件实现这些网络模型，通过实验来深化理解，并培养独立解决问题的能力。 在课程的实施过程中，学生不仅会接触到理论知识，还会接触到实际的编程和实验环节，以增强实践技能。同时，通过阅读相关文献，学生可以将课程内容与自己的研究课题相结合，提高学术研究和应用能力。这样的教学模式旨在为学生提供一个全面而深入的神经网络学习平台，为他们未来的学术和职业生涯打下坚实基础。