清华蒋宗礼教授人工神经网络讲稿：从Perceptron到ART

"网络运行-清华人工神经网络电子讲稿" 本文档是清华大学关于人工神经网络的电子讲稿，由蒋宗礼教授编撰。内容涵盖了人工神经网络的基础理论、模型以及相关参考书籍，旨在为学生提供人工神经网络的入门知识，并引导他们进入该领域的研究。 在神经网络的描述中，核心表达式"Y=F(XW)"和"X=F(YWT)"阐述了神经网络的运作机制。其中，Y和X分别代表输出和输入向量，F代表神经元的激活函数，通常选择S形函数（Sigmoid函数），而W和T则是权重矩阵。这种数学表示揭示了神经网络如何通过权重调整，将输入转换为输出。 讲稿中提到了几本重要的教材和参考书目，包括蒋宗礼教授本人的《人工神经网络导论》，以及其他国内外专家的作品，这些书籍深入浅出地讲解了神经网络的理论与实践。课程的目标不仅是让学生掌握人工神经网络的基本概念和模型，如感知机(Perceptron)、反向传播(BP)算法、竞争网络(CPN)、Hopfield网、自组织映射(BAM)和ART网络等，还期望他们能够理解和运用软件实现神经网络，并通过实验加深理解。 课程内容广泛，从智能系统的概念到具体神经网络模型的构建和训练方法，包括了智能系统的基本模型、生物神经网络的模拟、人工神经网络的拓扑结构以及各种类型的网络模型。此外，还鼓励学生通过查阅文献，将学到的知识与自己的研究课题结合，提高研究和应用能力。 总体而言，这门课程是针对初学者设计的，旨在建立对人工神经网络的全面理解，包括其历史、基本原理、模型结构、训练算法以及实际应用，从而为他们在人工智能领域进一步探索打下坚实基础。