入门指南：人工神经网络基础与应用

人工神经网络入门讲稿是一份旨在引导学生入门人工神经网络及其应用领域的教学材料。该讲稿由北京工业大学计算机学院的蒋宗礼教授提供，于2004年2月18日发布。课程的核心内容围绕以下几个方面展开： 1. 教材推荐：推荐使用《人工神经网络导论》作为教材，该书由高等教育出版社出版，作者蒋宗礼，便于学生深入理解基本概念。其他参考书籍如Philip D. Wasserman的《神经计算：理论与实践》、胡守仁等人的《神经网络导论》以及杨行峻和郑君里的《人工神经网络》也对课程学习有辅助作用。 2. 课程目标： - 课程旨在让学生熟悉智能系统的描述模型，掌握人工神经网络的基本概念，包括单层网络、多层网络（如BP网络）、循环网络（如Hopfield网和BAM）以及ART网络等。 - 学生应了解智能系统的特点，理解物理符号系统与连接主义的区别，并了解人工神经网络的发展历史。 - 通过实验，学生可以实际操作并体验不同模型的性能，积累实践经验。 - 鼓励学生查阅相关文献，将所学知识应用于未来的研究课题，提升研究和应用能力。 3. 课程大纲：课程内容包括智能及其实现的基础理论，如人工神经网络的定义和历史，以及各种具体的网络模型，如感知器（Perceptron）、反向传播（BP）、细胞自动机（CPN）、统计方法、以及记忆型网络（如Hopfield网和BAM）和自组织特征映射（ART）网络的详细介绍。 4. 学习方法：课程强调理论与实践相结合，通过深入讲解理论知识，结合实验操作，让学生不仅具备扎实的理论基础，还能具备实际操作和解决实际问题的能力。 通过这份讲稿，学生可以系统地学习人工神经网络的原理、模型和应用，为他们在人工智能领域，特别是在深度学习和机器学习方面的发展打下坚实的基础。同时，它也为有兴趣在研究生阶段进行更深层次研究的学生提供了宝贵的学习资源。