有监督学习：神经网络入门讲解

"本资源是一份关于有监督学习方式-神经网络的入门级PPT，由阎玉萍于2018年1月29日分享。内容涵盖了人工神经网络的基础概念与发展历程。首先，从20世纪40年代的M-P神经元模型和Hebb学习规则说起，阐述了早期神经网络研究的重要里程碑，如Perceptron模型及其局限性。1982年，Hopfield提出的离散和连续神经网络模型再次推动了研究热潮。 重点部分介绍了BP（误差反传）学习算法，这是多层前向神经网络的关键，它解决了多层网络的学习问题，展示了神经网络的强大学习能力和广泛的应用潜力。该算法证明了神经网络能够处理复杂任务并解决实际问题，从而使得神经网络成为国际研究的热点。 讲解中还区分了神经网络研究的主要派别：一是生物学家、物理学家和心理学家，他们的目标是模拟大脑活动的精细模型；二是工程技术人员，他们更注重将理论应用于实际工程设计。这份PPT详尽地概述了神经网络的发展过程，适合初学者了解和入门神经网络技术。"