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

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

第一讲绪论 以冯·诺依曼型计算机为中心的信息处理技术的高速发展,使得计算机在当今的信息 化社会中起着十分重要的作用。但是,当用它来解决某些人工智能问题时却遇到了很大的 困难。 例如,一个人可以很容易地识别他人的脸孔,但计算机则很难做到这一点。这是因为 脸孔的识别不能用一个精确的数学模型加以描述,而计算机工作则必须有对模型进行各种 运算的指令才行,得不到精确的模型,程序也就无法编制

第三讲神经元与网络结构 3.1生物神经元及生物神经网络 3.1.1生物神经元 人脑大约由1012个神经元组成,而其中的每个神经元又与约102~104个其 他神经元相连接,如此构成一个庞大而复杂的神经元网络。 神经元是大脑处理信息的基本单元,它的结构如图31所示。它是以细胞 体为主体,由许多向周围延伸的不规则树枝状纤维构成的神经细胞,其形状很 像一棵枯树的枝干。它主要由细胞体、树突、轴突和突触(Synapse,又称神经 键)组成

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

一、混凝原理和用途 二、混凝的工艺过程 三、混凝剂与助凝剂 四、投药方法及设备 五、废水中胶体颗粒的稳定性及脱稳机理 六、混合与反应 七、影响混凝的因素 八、沉降与澄清 九、混凝方法的优缺点

一、采购功能的变与不变 二、采购及供应管理的角色 三、采购目标与政策 四、采购作业程序与组织 五、成本分析与价格原理 六、货商搜寻与评选 七、有效的品质管理及绩效评估 八、信息科技与电子商务的影响 九、结语与讨论

·第一节显著性检验的基本原理 ·第二节样本均数与总体均数的差异显著性检验 ·第三节两样本平均数的差异显著性检 ·第四节显著性检验中应注意的问题 ·第五节总体均数的区间估计

一、名词(15分) (1)永续盘存制 (2)货币计价 (3)资产负债表日后事项 (4)加速折旧 (5)应收票据贴现 二、简答(25分) (1)资金运动数量变化的规律性 (2)代理记账及其作用 (3)会计规范及其特点 (4)合并财务报表的编制原则 (5)债务重整的方式

考试注意事项: 1、计算题应列出计算过程,不能只写答案。除表格填列外,答案写于答题纸上。 2、计算题中的货币金额要求计算到小数点后二位,其他数字要求计算到小数点后四位 一、某企业上年度简化的资产负债表如下: