西安电科大:人工智能入门——神经网络历史与发展
需积分: 3 149 浏览量
更新于2024-07-16
收藏 10.6MB PDF 举报
人工神经网络,简称ANN,起源于20世纪40年代的心理学家McCulloch和数学家Pitts的阈值加权和模型(M-P模型),标志着人工神经网络研究的早期探索。这一模型试图模拟人类大脑的工作原理,通过数学模型和电子电路来实现。1949年,Hebb的学习律提出神经元之间突触联系的可变性,进一步推动了神经网络理论的发展。
第一次研究热潮发生在1950年至1968年,以Marvin Minsky和Frank Rosenblatt的单级感知器为代表,人们相信这是通向智能的关键。然而,1969年Minsky和Papert的《Perceptron》揭示了其局限性,特别是对于“异或”运算的处理问题,导致研究进入反思期。
1983年至1990年,J.Hopfield的贡献至关重要,他提出了循环网络,不仅解决了ANN稳定性的问题,还阐述了ANN与动力学的联系,并强调了信息存储在神经元连接中的概念。同年,他设计的Hopfield网在解决旅行商问题上取得了突破,找到了近似最优解,引起了广泛关注。
1984年,圣地牙哥加州大学的Hinton、Rumelhart等人引入随机机制,提出了反向传播算法,这是神经网络训练的重要里程碑,使得深层神经网络能够进行有效的学习和优化。这一阶段,神经网络研究进入了第二次高潮,深度学习的雏形开始显现。
总结来说,人工神经网络是人工智能领域的一个核心分支,它通过对生物神经系统的模仿,发展出了数学模型和硬件实现方式。尽管经历了起伏,但随着技术的进步,特别是反向传播算法的应用,人工神经网络已成为机器学习和深度学习的基础,广泛应用于图像识别、自然语言处理、推荐系统等多个领域。
2023-10-17 上传
2023-12-06 上传
2023-05-16 上传
2023-09-14 上传
2023-09-07 上传
2024-01-11 上传
qq_42250033
- 粉丝: 1
- 资源: 1
最新资源
- 最优条件下三次B样条小波边缘检测算子研究
- 深入解析:wav文件格式结构
- JIRA系统配置指南:代理与SSL设置
- 入门必备:电阻电容识别全解析
- U盘制作启动盘:详细教程解决无光驱装系统难题
- Eclipse快捷键大全:提升开发效率的必备秘籍
- C++ Primer Plus中文版:深入学习C++编程必备
- Eclipse常用快捷键汇总与操作指南
- JavaScript作用域解析与面向对象基础
- 软通动力Java笔试题解析
- 自定义标签配置与使用指南
- Android Intent深度解析:组件通信与广播机制
- 增强MyEclipse代码提示功能设置教程
- x86下VMware环境中Openwrt编译与LuCI集成指南
- S3C2440A嵌入式终端电源管理系统设计探讨
- Intel DTCP-IP技术在数字家庭中的内容保护