清华大学人工神经网络推荐书目与课程指南

人工神经网络是一门重要的计算机科学领域，它模仿生物神经系统的结构和功能来解决复杂问题。清华大学的课程提供了一个全面的学习框架，以帮助学生理解和应用这一技术。主要参考书目中包含了多部经典著作，如： 1. "Neural Computing: Theory and Practice" by Philip D. Wasserman, 由Van Nostrand Reinhold出版社于1989年出版，这本书是理论研究的重要参考，涵盖了神经计算的基础理论。 2. "神经网络导论" 由胡守仁、余少波、戴葵合著，国防科技大学出版社1993年发行，这本教材适合初学者，详细介绍了神经网络的基本概念和原理。 3. "人工神经网络" 由杨行峻和郑君里编著，高等教育出版社在1992年发布，这本书深入浅出地讲解了不同类型的神经网络，如单层网络、多层网络和循环网络。 4. "MATLAB神经网络应用设计" 由闻新、周露、王丹力和熊晓英合作编写，科学出版社在2001年5月出版，该书强调了神经网络在实际项目中的应用和编程工具的使用。 课程目标包括： - 引导学生入门人工神经网络，使其熟悉领域并掌握基本概念和网络模型。 - 学习智能系统描述的基本模型，理解人工神经网络的结构、特点和训练算法。 - 实践技能培养，通过实验了解模型的性能，并将其应用于未来的研究课题。 课程内容涵盖广泛，涉及智能系统实现、人工神经网络的各个方面，如感知器(Perceptron)、反向传播(BP)、自组织映射(CPN)、统计方法、Hopfield网络和BAM网络，以及ART网络等。章节划分明确，如第一章介绍了智能概念和人工神经网络的历史，第二章则深入到神经网络的理论基础。 学习这门课程的学生不仅要掌握理论知识，还要学会如何利用MATLAB等工具进行实践操作，并能在实际研究中灵活运用所学知识。通过查阅参考书目，学生能够拓宽视野，将理论与实际研究结合起来，提升研究和应用能力。