人工神经网络入门：双联存储器结构与基本模型讲解

人工神经网络是一门重要的计算机科学技术，它模仿生物大脑的工作原理，通过构建由大量简单处理单元（人工神经元）相互连接而成的复杂网络来解决各种问题。本课程以《人工神经网络导论》作为教材，该书由蒋宗礼教授编写，由高等教育出版社于2001年8月出版，旨在引导学生进入这一领域的研究。 课程内容覆盖广泛，首先介绍了智能系统的基本模型，包括如何描述智能系统的特征，以及物理符号系统与连接主义这两种不同的理论视角。人工神经网络的特点，如发展历史，是课程初期的重要组成部分。学生会了解到，基本的双联存储器结构在神经网络中扮演关键角色，例如，单层网络如感知器（Perceptron）、BP（Backpropagation）算法、自组织映射（CPN）、统计方法（如Hopfield网和BAM）、以及适应性 resonance theory (ART) 等都是核心概念。 章节二深入讨论人工神经网络的基础，涉及生物神经网络模型的介绍，人工神经元模型，以及各种激励函数的运用。学生将学习到不同网络拓扑结构，如前馈网络和反馈网络的特点，以及常见的存储类型如content-addressable memory (CAM) 的工作原理。 课程目标包括让学生掌握人工神经网络的基本概念，不仅限于理论知识，还包括如何实现这些网络，以及训练和优化算法。通过实验，学生可以实际操作并理解这些模型的性能，培养解决问题的能力。此外，课程还鼓励学生查阅相关文献，将所学知识应用于自身的研究课题，无论是本科论文还是研究生研究，以此提升研究深度和应用能力。 这门课程旨在为学生提供一个坚实的人工神经网络基础知识平台，激发他们对智能系统和机器学习的兴趣，并为他们在人工智能领域的发展打下坚实基础。