清华人工神经网络课程讲稿：从基础到应用

"清华人工神经网络电子讲稿" 这篇电子讲稿是清华大学关于人工神经网络的教育资料，由蒋宗礼教授编写，属于软件学科部的教学材料。讲稿中涵盖了人工神经网络的基础理论、工作原理以及相关参考书目，并强调了课程的学习目标和基本要求。 在内容上，讲稿首先讲解了智能系统的概念，包括智能系统的特点和基本模型，对比了物理符号系统与连接主义的不同观点。然后深入到人工神经网络的基础，如生物神经网络模型的启发，人工神经元模型的构建以及常见的激励函数。此外，还讨论了人工神经网络的拓扑结构，如单层网、多层网和循环网，以及这些网络模型的训练算法、运行方式和适用问题。 讲稿提到了几种特定的神经网络模型，包括感知机(Perceptron)、反向传播网络(BP网络)、竞争网络(CPN)、统计方法的应用，Hopfield网络与双向联想记忆(BAM)，以及自适应共振理论(ART)。这些内容旨在帮助学生理解和掌握神经网络的基本工作原理和实际应用。 课程目标是让学生能够理解智能系统描述的基本模型，掌握人工神经网络的核心概念，并能够运用到实际问题中。同时，鼓励学生通过实验加深对模型的理解，积累实践经验，并通过查阅相关文献将所学知识与自己的研究课题相结合，以提升研究和应用能力。 此外，讲稿还推荐了几本重要的参考书籍，例如蒋宗礼的《人工神经网络导论》、Philip D. Wasserman的《Neural Computing: Theory and Practice》以及胡守仁等人的《神经网络导论》等，这些书籍可以作为深入学习人工神经网络的补充资料。 这份清华人工神经网络电子讲稿提供了一个全面而深入的框架，旨在引导初学者进入这个领域的研究，同时也为有经验的学生提供了进一步深化理解和实践的平台。通过学习，学生不仅能够掌握神经网络的基本理论，还能培养独立解决问题和应用知识的能力。