• 支持向量机 • 二元线性SVM • SVM用于非线性分类 • 机器学习方法 • 人工神经网络（Artificial Neural Network, ANN） • 深度学习（Deep Learning）现状 • 经典的深度学习模型/算法 • 卷积神经网络 Convolutional Neural Networks (CNN) • 多层反馈网络 Recurrent neural Network(RNN) • 自动编码器 AutoEncoder • 受限玻尔兹曼机 Restricted Boltzmann Machine, RBM • 深度置信网络 (Deep Belief Nets，DBN）

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

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

2.1 Matlab简介 MatlabCleve的首创者 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。 Matlab(Matrix Laboratory,即矩阵实验室) Matlab于1984年推出了正式版本。后来 Moler组建 了一个名为 MathWorks的软件开发公司( http: //www. mathworks. com)专门扩展并改进 Matlab. 1998年推出5.3版。2000年11月6日推出最新版本 Matlab 6. 0

第10章数学问题的非传统解法 一、集合论、模糊集与模糊推理 二、粗糙集理论与应用 三、人工神经网络及其在数据拟合中的应用 四、进化算法及其在最优化问题中的应用 五、小波变换及其在数据处理中的应用 六、分数阶微积分学问题求解及应用

自适应线性神经元模型 单个自适应线性神经元的学习方法 单层自适应线性神经元的学习方法 MATLAB程序仿真 关于自适应线性神经元的几点说明

单个感知器模型与解决问题的能力 单层感知器模型与解决问题的能力 单层感知器的学习算法 单层感知器的局限性问题 多层感知器的设计方法 有关的几个问题的讨论 单层感知器的MATLAB设计与实现

提出了板坯连铸二冷区全智能控制系统的构想，并用人工神经网络和模糊控制的方法对该系统进行了计算机仿真.结果表明，该系统不但能完成二冷各区段铸坯表面温度的动态控制，而且具有良好的自适应性和自学习功能

以冶金工业部人才资源的管理问题为背景,给出了人才资源智能管理系统的具体设计方法.该系统中,广义的管理分析预测模型树用于其知识表达,系统结构由多库结构支持;在其推理机方面,应用元知识推理以协调定性推理、定量推理和人工神经网络推理.将有限的自然语言理解引入人-机界面,用TURBO PROLOG和C语言在IBM/AT微机上对该设计部分实现,表明了其合理性及可行性

为实现对热轧带钢的屈服强度、抗拉强度、断裂延伸率等力学性能的预测及控制,利用人工神经网络技术,分别建立了根据生产工艺参数预测力学性能的质量模型,以及根据力学性能要求对生产工艺参数进行优化的逆质量控制模型.利用质量预测模型,分析得出屈服强度随卷取温度的上升而下降的变化规律,进而可以对组织性能进行在线调整,实现在线应用