入门人工神经网络：结构、应用与实现

本课程旨在为学生提供全面的人工神经网络入门教育，使其深入理解这一领域的核心概念和应用。作为一门基础课程，目标是引导学生进入人工神经网络及其应用研究的世界。课程内容覆盖广泛，包括但不限于： 1. **课程目的**： - **理论基础**：学生将学习智能系统的描述模型，理解人工神经网络的基本概念，如单层网络、多层网络和循环网络的结构、特点以及训练算法，如感知器(Perceptron)、反向传播(BP)、竞赛型前馈网络(CPN)等。 - **实践技能**：通过实验，学生将体验不同模型的使用方法，掌握软件实现技术，比如MATLAB在神经网络中的应用。 2. **教材推荐**： - 《人工神经网络导论》由蒋宗礼教授编写，提供了一个系统的理论框架，高等教育出版社出版，是重要的参考书籍。 - 学生还需阅读其他权威著作，如Philip D. Wasserman的《神经计算：理论与实践》和国内的《神经网络导论》等，以拓宽视野。 3. **参考书目**： 列出了四本主要参考书，这些书籍将帮助学生深化对人工神经网络的理解，并为他们的研究课题提供参考资料。 4. **教学内容**： - **智能理论**：介绍智能的概念，以及人工神经网络与物理符号系统和连接主义的不同之处。 - **基础概念**：深入探讨人工神经网络的基础，包括生物神经网络模型、人工神经元模型和激励函数。 - **网络结构**：讲解人工神经网络的拓扑特性和存储类型，如内容地址码(CAM)模型。 - **特定网络**：涉及Hopfield网、BAM网络和自组织映射(ART)等特定类型的神经网络。 5. **预期成果**： - 学生不仅要有扎实的理论基础，还要学会将所学知识应用于实际问题，包括与未来研究课题的结合，提升研究和应用能力。 通过这个课程，学生将建立起对人工神经网络坚实的理论基础，并培养在该领域进行深入研究和实际操作的能力，为未来的学术或职业发展打下坚实的基础。