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

感知器是由美国计算机科学家罗森布拉特(f. Roseblatt)于1957年提出 的。感知器可谓是最早的人工神经网络单层感知器是一个具有一层神经元、 采用阈值激活函数的前向网络。通过对网络权值的训练,可以使感知器对一组 输人矢量的响应达到元素为0或1的目标输出,从而实现对输人矢量分类的目 的

针对挠性卫星本身存在的参数不确定性和外部扰动的控制问题,设计了以径向基函数神经网络和小脑神经网络为基础的复合变结构智能控制器.该控制器利用变结构控制系统对被控对象的模型误差、参数变化及外扰等的不敏感性的优点,再结合神经网络能够迅速逼近未知函数、泛化能力强的特点,可以适应挠性卫星参数不确定性和抑制外加干扰,实现对挠性卫星的有效控制.仿真结果表明复合控制能够提高卫星姿态的稳态精度和快速性

人工智能基础：禁忌免疫网络算法及其在函数优化中的应用

广东工业大学：《机器学习》课程教学资源（课件讲义）第9讲 神经网络的优化（损失函数）

广东工业大学：《机器学习》课程教学资源（课件讲义）第10讲 神经网络的优化（激活函数 dropout）

《工程科学学报》：一种基于鲁棒随机向量函数链接网络的磨矿粒度集成建模方法

【机器学习】区域损失函数的孪生网络目标跟踪

人工智能基础：RBF神经网络的行车路径代价函数建模

【机器学习】高斯核函数卷积神经网络跟踪算法