哈尔滨工业大学：《神经网络》课程教学资源_过程神经元与过程神经网络模型

内容安排 一、生物神经元 二、人工神经网络结构 三、神经网络基本学习算法

《人工神经网络应用及原理》课程教学课件（PPT讲稿）第03讲 神经元与网络结构

一、生物体内的信号传递 二、海马趾CA1神经元区室化模型 三、establishing the individual pathways 四、develope the network model in stages

14.1 生物神经元 14.2 人工神经元模型 14.3 多层感知器神经网络 15.1 神经网络的学习能力 15.2 误差回传算法

人工神经网络的发展历史 人工神经网络的定义、特点和应用 从生物神经元到人工神经元

用人工神经元方法分析IF钢性能与成分、加工工艺之间关系.通过实验与现场数据训练1个前向网络的考核结果表明，该方法是用于大生产中IF钢成分与工艺设计的有效方法

为了对匹配决策问题进行建模与预测,提出了一种具有更多神经生理学特征的稀疏回声状态网络(ESN),并基于在线监督学习方法对网络进行训练.为了评估网络的匹配决策性能,设计了三组测试数据集对网络性能进行测试,并提出了一种基于网络期望输出与实际输出序列最大相关系数的评价方法.仿真结果表明,新模型只需要较少的训练时间即可获得较好的决策性能,且对发放时间间隔、平移和网络噪声具有较好的鲁棒性

通过将迟滞特性引入神经元激励函数的方式，构造了一种前向型迟滞神经网络模型.结合卡尔曼滤波方法，将其应用于风速时间序列的预测分析中.在原始风速时间序列的基础上，构造出风速变化率序列.采用迟滞神经网络分别对两种序列进行预测分析，并将预测结果利用卡尔曼滤波方法进行融合，从而得到最优预测估计结果.仿真实验结果表明，迟滞神经网络具有更加灵活的网络结构，能够有效改善网络的泛化能力，预测性能优于传统神经网络.采用卡尔曼滤波方法对预测结果进行融合后能够进一步提高预测精度，降低预测误差

9.1 人工神经网络概述 9.1.1.人工神经网络概述 9.1.2 人工神经元电路实现模型简介 9.2 细胞神经网络模型及其混沌特性 9.2.1细胞神经网络简介 9.2.2细胞神经网络CNN的混沌输出 9.2.3细胞神经网络的电路实现 9.3 脉冲耦合神经网络模型 9.3.1. PCNN模型基本原理 9.3.2 混沌PCNN模型原理分析 9.3.3 PCNN在CNAPS环境下的数字实现 9.3.4 神经网络在旅行商问题中的应用