北航人工神经网络基础 第一章(83).pdf

课时安排: 32学时，1~8周。 参考书目： 必威体育精装版中文书籍； Neural Networks: A Comprehensive Foundation (Second Edition) Simon. Haykin 清华大学出版社，2001； 相关刊物: Neural Networks IEEE Transactions on Neural Networks 课程特点 系统阐述人工神经网络的基本理论、设计方法、实现 技术和应用系统； 理论联系实际，注意方法、技术与应用实例相结合； 避免繁琐的数学推导和定理证明，将简明扼要的数学 表达与物理内涵有机结合，保留必要的数学推理，加 强物理意义的论述。 人工神经网络基础 第一章 绪论 第二章 人工神经网络基础 第三章 误差反向传播神经网络 第四章 反馈式神经网络 第五章 随机型神经网络 第六章 自组织神经网络 第七章 人工神经网络与模糊系统 第八章 人工神经网络应用 第九章 人工神经网络设计 第十章 人工神经网络的发展 3 第一章 概述 Artificial Neural Network ，简记ANN或NN ； Artificial Neural Systems ，人工神经系统 Adaptive Systems ，自适应系统 Adaptive Networks ，自适应网络 Connectionism Model, 连接机制模型 Parallel Distributed Model, 并行分布处理模型 一直以来，人类就在探索智能的秘密。 粗略的讲：智能是个体有目的的行为、合理的思维、以及有 效的适应环境的综合能力。 也可以说：智能是个体认识客观事物和运用知识解决问题的 能力。 智能科学研究智能的基本理论和实现技术，是由脑科 学、认知科学、人工智能等学科工程的交叉学科。 脑科学从分子水平、细胞水平、行为水平研究人脑智能机理 ，建立脑模型，揭示人脑的本质； 认知科学是研究人类感知、学习、记忆、思维、意识等人脑 心智活动过程的科学； 人工智能（Artificial Intelligence，AI ）研究用人工的方法和技 术，模拟、延伸和扩展人的智能，实现机器智能。 人工智能研究包括： 人工神经网络； 狭义人工智能； 感知-动作系统。 从很早开始，人类就开始从事思维机器的研究工作。 亚里士多德（Aristotel ，公元前384-322）：形式逻辑； 培根（F Bacon 1561-1626）: 归纳法； 莱布尼茨（G W von Leibnitz 1646-1716）: 通用符号和推理 计算。 人类从一开始就注意到通过制造和使用工具来加强和延伸自 己的生存能力。 在初始阶段，这种工具多用于扩展人类的体力； 后来，从考虑如何让“工具”帮助人类完成计算开始，人们致力于研 究如何能使“工具”代替人类进行思维，哪怕是“部分地”代替； 当计算机出现之后，更进一步地促使人类探索如何使计算机模拟 人的感知、思维和行为的规律，进而设计出具有类似人类 的某些智能的计算机系统，从而达到延伸和扩展人类智能和能力 的目的。 §1.1 人工神经网络的概念 现代计算机有很强的计算、信息处理能力，对于特征明确，推理或 运算规则清楚的可编程问题，可以高速有效地解决，其在数值运算 和逻辑运算方面的精确与高速极大地拓展了人脑的能力。但是 解决像模式识别、感知、评判和决策等复杂问题的能力却远不如人； 人的听觉神经网络能够在喧闹的环境中识别清楚对方的声音； 人的视觉神经网络能够在不到