教学目的与要求: 通过本章学习, 一、对计算机网络及计算机网络与通信技术的基本构成有一个基本了解 二、掌握什么是计算机网络 三、计算机网络的功能与应用 四、计算机网络与通信技术的基本框架

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

1全光网络的概念 2.全光网络的关键设备 3.全光网络的关键技术 4.三种典型的全光网络 5.5.全光交换(4、5为本课程的学习重点) 6.6.全光网络发展的最新信息(补充)

第1章 绪论 2 第2章 机器学习概述 22 第3章 线性模型 53 第4章 前馈神经网络 78 第5章 卷积神经网络 105 第6章 循环神经网络 129 第7章 网络优化与正则化 153 第8章 注意力机制与外部记忆 192 第9章 无监督学习 213 第10章 模型独立的学习方式 228 第11章 概率图模型 253 第12章 深度信念网络 288 第13章 深度生成模型 308 第14章 深度强化学习 329 第15章 序列生成模型 355

《计算机网络》课程教学资源（学习资料）2009MIS系网络课程材料汇编（上）

《计算机网络》课程教学资源（学习资料）2009MIS系网络课程材料汇编

《计算机网络》课程教学资源（学习资料）2009MIS系网络课程材料汇编（下）

《计算机网络》课程教学资源（学习资料）《计算机网络课程》胶印材料清单

机器学习：基于神经网络的僵尸网络检测

天津开放大学：《网络信息采集》课程教学资源（学习资料）网络信息采集复习题