在实际的神经网络中,比如人的视网膜中,存在着一种“侧抑制”现象,即一个神经 细胞兴奋后,通过它的分支会对周围其他神经细胞产生抑制。这种侧抑制使神经细胞之间 出现竞争,虽然开始阶段各个神经细胞都处于程度不同的兴奋状态,由于侧抑制的作用, 各细胞之间相互竞争的最终结果是:兴奋作用最强的神经细胞所产生的抑制作用战胜了它 周围所有其他细胞的抑制作用而“赢”了,其周围的其他神经细胞则全“输”了。 自组织竞争人工神经网络正是基于上述生物结构和现象形成的。它能够对输入模式进 行自组织训练和判断,并将其最终分为不同的类型

反馈网络(Recurrent Network),又称自联想记忆网络其目的是为了设计一个网络,储 存一组平衡点,使得当给网络一组初始值时网络通过自行运行而最终收敛到这个设计的 平衡点上。 1982年,美国加州工学院物理学家霍普菲尔德(J. Hopfield)发表了一篇对人工神经网 络研究颇有影响的论文

自适应线性元件( Adaptive Linear Element,简称 Adaline)也是早期神经网络 模型之一,它是由威德罗( Widrow)和霍夫(Hof)首先提出的。它与感知器 的主要不同之处在于其神经元有一个线性激活函数,这允许输出可以是任意 值,而不仅仅只是像感知器中那样只能取0或1。另外,它采用的是W一H学 习法则,也称最小均方差(LMS)规则对权值进行训练,从而能够得到比感知器 更快的收敛速度和更高的精度 自适应线性元件的主要用途是线性逼近一个函数式而进行模式联想

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

课程简介 本课程为农学门类农学专业本科生的专业课。主要讲授作物栽培学总论,着重作物栽培 的理论基础,作物的生长发育和产量形成规律及其环境的关系,进行合理调控,制定高产、 优质、低耗的栽培技术体系。各论主要以小麦、水稻、玉米、大豆等作物的生长发育和产量 形成规律及其环境的关系,突出重点兼顾全面。课堂采用启发式,重点讲授教材的要点、重 点和难点,并介绍作物栽培的最新科技动向。要求学生掌握主要作物高产栽培的理论基础与 技术,即掌握在一定的生态条件下,充分利用当地光、热、水、土壤等自然资源和所投入的 生产资料,获取作物最优品质、最佳产量和最高效益的栽培理论与技术

具有 Fortran和C高级计算机语言知识的读者可能已经注意到,如果用它们去进 行程序设计,尤其当涉及矩阵运算或画图时,编程会很麻烦。比如说,若想求解一个 线性代数方程组AX=B→>X=A-B,用户得首先编写一个主程序,然后编写一个子程序 去读入各个矩阵的元素,之后再编写一个子程序,求解相应的方程,最后输出结果 般说来,求解线性方程组这样一个简单的功能需要100多条源程序。 Matlab的首创者 Cleve Moler博士在数值分析,特别是在是指线性代数的领域中 很有影响

内容 content 一、:材料力学基本知识 二、材料实验机的基本功能

内容安排 一、自组织神经网络 二、自组织竞争网络 三、科荷伦网络 四、自适应共振网络 五、内容小结 六、考试事宜

在实际的神经网络中,比如人的视网膜中,存在 着一种“侧抑制”现象,即一个神经细胞兴奋后 ,通过它的分支会对周围其他神经细胞产生抑 制。 自组织竞争人工神经网络正是基于上述生物结构 和现象形成的。它能够对输入模式进行自组织 训练和判断,并将其最终分为不同的类型

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