最速下降法：人工神经网络极小点求解策略

人工神经网络是一门涉及计算机科学和心理学的交叉学科，它试图模仿生物大脑的工作原理来解决复杂的问题。在课程中，"最速下降法"是一个关键概念，它是一种常用的优化算法，用于寻找目标函数（在本例中是误差函数E）的最小值。当E大于0时，根据描述，调整权重wij的梯度Δwij会使其变小（Δwij<0），这意味着要减小wij以降低E。反之，如果E<0，Δwij的方向会相反，即wij会增加（Δwij>0），以期望减少误差。 课程内容包括了人工神经网络的基础理论，如Perceptron（感知器）、Backpropagation（反向传播）、Competitive Projections Network（竞争投影网络）等经典模型，这些都是训练和理解神经网络工作原理的重要组成部分。统计方法，如Hopfield网络和Belief Algorithm Module（BAM），展示了神经网络在解决记忆和模式识别问题中的应用。此外，还提到了Artificial Retina (ART) 网络，一种用于特征检测和识别的学习算法。 《人工神经网络导论》这本书是教学的主要参考教材，由蒋宗礼教授编写，高等教育出版社出版，适合初学者理解和掌握这个领域的基础知识。课程目标不仅在于让学生理解人工神经网络的基本概念和结构，还包括训练算法、网络拓扑、运行机制以及软件实现技术。通过实验，学生可以深入体验不同模型的性能，并将其应用于实际问题中，同时鼓励他们结合未来的研究课题进行更深入的学习和探索。 此外，课程还关注人工智能和智能系统的实现，引导学生思考人工神经网络如何模拟人类智能，以及连接主义与物理符号系统之间的区别。对于科研型学生，课程还强调查阅参考资料的重要性，以深化理解并可能为自己的研究提供新的视角和灵感。这门课程旨在为学生提供一个全面而深入的神经网络学习平台，为他们在该领域的进一步发展打下坚实的基础。