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

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

第一节纵、横波速测试技术及其应用 第二节瑞利面波法 第三节地震波层析技术(CT) 第四节垂直地震剖面法 第五节桩基动态无损检测法 第六节地微动观测

乳品工艺学_HACCP系统在乳制品加工中的应用

第1章VFP基础知识 第2章 Visual FoxPro6.0基础 第3章项目管理器 第4章创建数据库和表 第5章表的基本操作 第6章索引和排序 第7章多表操作 第8章查询与视图 第9章结构化查询语言SQL 第10章报表、标签设计 第11章程序设计基础 第12章程序设计 第13章表单设计 第14章菜单设计 第15章应用程序的生成与发布 第16章面向对象的程序设计

天津大学1999硕士入学微生物学试题 一.填空和多项选择填空题:(每题5分,共30分) 1.在原核微生物中虽然有性繁殖方式,但仍可通过不同方式在细胞水平上实现基因重组。由部分缺陷型噬茵体参与实现的基因重组方式称为大肠杆菌可以通过接合实现基因重组,可选用大肠杆菌的或菌株做供体茵,菌株做受体菌:如果要在不同种属的原核细胞之间实现基因重组,则应该采用或方式进行基因重组