人工神经网络入门：模型、算法与应用

该资源是一份关于"网络运行-人工神经网络"的课件，由蒋宗礼教授编写，软件学科部提供，内容涵盖了人工神经网络的基础理论和应用，包括神经元的激活函数、网络模型、训练算法等多个方面，并推荐了相关的教材和参考书目。 在神经网络的描述中，网络运行可以用公式表示为Y=F(XW)，其中Y是输出，X是输入，W是权重，F是神经元的激活函数，通常选择S形函数。这个过程进一步通过Y=F(YWT)反向传播，X是一个包含n个元素的向量，Y是一个包含m个元素的向量。这种数学表达方式揭示了神经网络如何通过加权和非线性转换处理输入信息来生成输出。 课程的主要目的是引导学生进入人工神经网络的研究领域，理解智能系统描述的基本模型，掌握神经网络的基本概念和各种网络模型，如单层网、多层网、循环网等。课程还将教授如何进行典型训练，如BP（反向传播）算法，并探讨软件实现方法。此外，课程鼓励学生通过实验加深理解，查阅相关文献，将所学知识与自己的研究课题结合起来。 课程内容分为多个章节，包括智能的定义、人工神经网络的基础、感知机（Perceptron）、反向传播（BP）算法、竞争网络（CPN）、统计方法、Hopfield网与双向联想记忆（BAM）以及自组织映射网络（ART）。这些章节旨在全面介绍神经网络的核心理论和技术。 教材推荐了蒋宗礼教授的《人工神经网络导论》，以及其他几本国内外知名的人工神经网络著作，供学生深入学习和研究。通过这些教材和课程，学生可以系统地学习人工神经网络的理论，并为将来在这一领域的研究和应用打下坚实的基础。