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）双入单出BP人工神经网络及算法研究

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）单入单出BP人工神经网络及算法研究

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）双入单出感知器人工神经网络及算法研究

电子科技大学：《神经网络理论及应用 Theory and Application of Neural Networks》课程教学资源（教学大纲）

介绍了模式识别与人工神经网络算法应用于16Mn微合金化钢的生产工艺优化,并给出了各目标的最佳工艺参数供生产时参考

6.1 神经网络概念与特性 6.2 神经网络模型辨识中常用结构 6.3 辨识中常用网络训练算法 6.4 改进的BP网络训练算法 6.5 神经网络辨识MATLAB仿真举例 6.6 基于改进遗传算法的神经网络及其应用 6.7 模糊神经网络及其应用 6.8 小结

内容安排 一、反馈网络 二、 Hopfield网络简介 三、DHNN网络 四、稳定性与应用 五、内容小结

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

11.1 模糊神经网络理论概述 11.2 模糊系统简介 11.3 RBF网络及其与模糊系统的功能等价 11.4 模糊神经元的一般构造方法 11.5 模糊神经网络 11.6 标准模糊神经控制器结构 11.7 模糊RBF型神经控制器结构

内容安排 一、内容回顾 二、感知机 三、自适应线性元件 四、内容小结