清华大学人工神经网络课程回顾：理论与应用

本次课程回顾了清华大学的人工神经网络讲座，由蒋宗礼教授主讲，隶属于软件学科部。讲座内容深入浅出，旨在引导学生入门人工神经网络及其应用领域。课程的主要教材是《人工神经网络导论》，由高等教育出版社于2001年8月出版，定价为12.4元，作者同样为蒋宗礼。 教学内容涵盖了广泛的理论与实践层面。首先，课程介绍了智能系统的概念及其基本模型，包括物理符号系统与连接主义的理论观点，以及人工神经网络的独特特点和发展历程。学生通过学习了解到人工神经元模型和常见的激励函数，如感知器(Perceptron)、反向传播(BP)、竞争性神经网络(CPN)等，这些都是理解神经网络工作原理的基础。 接着，统计方法和特殊的网络结构如Hopfield网与BAM网络，以及自组织特征映射(ART)网络也被纳入课程讨论。这些内容不仅展示了神经网络的计算能力，还涉及到了它们在实际问题中的应用，如数据压缩、模式匹配、系统建模、模糊控制等，以及在通信领域的应用，如自适应均衡、回波抵消等。 此外，课程目标强调了理解和掌握人工神经网络的基本概念，包括单层网络、多层网络和循环网络的结构、特点、训练算法以及运行机制。软件实现方法也是教学的重点，使学生能够将理论知识转化为实践操作。 通过实验，学生得以体会不同模型的实际效果，并在解决问题的过程中积累经验。同时，鼓励学生查阅相关参考书籍，如Philip D. Wasserman的《神经计算：理论与实践》、胡守仁等人的著作，以便将所学知识与未来的研究课题相结合，提升研究深度和应用能力。 清华大学的人工神经网络课程是一门结合理论知识与实践操作，旨在培养学生对人工智能和智能系统理解的课程，对于未来在该领域深造或从事相关工作的学生来说，具有重要的指导意义。