模块(组合)网络 （1)产生的背景 （a)更好的映射非线性函数 （b)模拟人类神经系统分工

北京科技大学：《人工神经网络原理与应用 Artificial Neural Networks》课程教学资源（研究实验）BP网络拟合函数的仿真研究

16.1 二端口网络 16.2 二端口的方程和参数 16.3 二端口的等效电路 16.4 二端口的转移函数 16.5 二端口的连接 16.6 回转器和负阻抗转换器

5.0 引言 5.1 感知机 5.2 多层感知机 5.3 反向传播算法 5.4 径向基函数网络 5.5 说明

第06讲反向传播网络 给定任意>0和任意L2函数f:[0,1CR→R,存在一个三层BP网络,可以 在任意ε平方误差精度内逼近f。 实现任意N个输入向量构成的任何布尔函数的前向网络所需权系数数目为:

10.5 二端口 网络的特性 阻抗和 传输常数 10.1 二端口 网络的一般 概念 10.3 二端口网络 的输入阻抗、 输出阻抗和 传输函数 10.6 二端口 网络应用简介

针对传统神经网络优化算法易陷入局部最优值的问题,在标准粒子群算法的基础上,对粒子速度与位置更新策略进行改进,提出一种基于改进粒子群优化算法的BP神经网络建模方法.使用sinc函数、波士顿住房数据及某钢厂带钢热镀锌生产的实际数据进行验证.结果表明,与标准的反向传播神经网络和支持向量机相比,基于改进粒子群优化的神经网络模型可以有效提高预测精度

提出了一种可以灵活适应不同的工程应用中神经网络在规模、拓扑结构、传递函数和学习算法上的变化,并能及时根据市场需求快速建立原型的神经网络硬件可重构实现方法.对神经网络的可重构特征进行了分析,提出了三种主要的可重构单元;研究了可重构的脉动体系结构及BP网络到该结构映射算法;探讨了具体实现的相关问题.结果表明,这种方法不仅灵活性强,其实现的硬件也有较高的性价比,使用一片FPGA中的22个乘法器工作于100MHz时,学习速度可达432MCUPS

人工神经元的基本模型 几种典型的激活函数 人工神经网络的学习算法概述 人工神经网络的基本拓扑结构

SOFM网络的思想来源 SOFM网络的结构模型 SOFM神经元的基本功能函数 SOFM的基本学习算法 仿真实例 几点注意事项