文档介绍：神经网络讲义
自我介绍:姓名,E-mail地址
登记学生名单:
非电信系学生凭选课单上课;
有选课单未上课的,老师有权给0分。
讲授计划:
第一课:绪论
第二课:介绍Matlab及其神经网络工具包
第三课:神经元与网络结构
第四课:感知机(Perceptron)
第五课:线性神经网络(Adaline)
第六课:后向传播网络(Bckpropagation)
第七课:自学习规则
第八课:自组织网络、Hopfield网络
第九课:期末考试
授课方式:讲授与练习相结合。
授课主要以Matlab为工具,在第四、五、六、八课均有课后作业。
每次作业占两个课时。完成后以电子邮件形式将word文档发到信箱;标题写“神经网络作业”,写明如何使用该文件。教师通过上机检查。
考试方式:
平时作业:50%;课后作业,以软件为主;
期末考试:50%;开卷考试,以概念为主。
参考书目:
《人工神经网络》,郑君里,杨行峻主编,1992年9月高教出版社第1版;
《神经网络与模糊控制》,张乃尧,阎平凡编著,1998年10月清华大学出版社第1版;
《基于Matlab的系统分析与设计——神经网络》,楼顺天,施阳主编,1999年9月西安电子科技大学出版社第1版;
英文文献:
第一讲绪论
神经网络的定义
神经网络是用非常大量的简单计算处理单元(即神经元)构成的非线性系统,它具有学忆能力、计算能力以及各种智能处理能力,它在不同程度和层次上模仿人脑神经系统的信息处理、存储及检索功能。
利用它完成各项信号处理或人工智能任务时在许多方面可以胜过普通的冯·诺依曼计算机。
本课程的研究内容
人工神经网络是一门新兴的交叉学科。不同领域的学者对此有着不同的理解,不同的研究内容并且采取不同的研究方法。对于从事电路与系统、信号处理、通信等领域的研究人员,侧重于利用人工神经网络来解决各项特定的智能处理任务,诸如:识别、分类、联想、优化、推理以及发现规律等。本课程的研究内容仅限于此。
本课程的研究途径
由于人工神经网络的研究正处于迅速发展阶段,在研究思路、教学方法、处理对象以及结构和硬件构成等方面存在着种种差异很大的学说和流派,相应的文献与资料的数量迅速增加。因此,要将这一领域的主要研究内容和方法扼要、完整地整理出来必然有很大地困难。按照本课程地需要,主要介绍以下三种重要地研究途径。
第一种是按照物理模型构成地神经网络,其中包括采用非概率神经元模型地Hopfield神经网络。
第二种是以自适应信号处理理论为基础发展起来地,其中最著名地就是前向多层神经网络及其递推(BP)学习方法。
第三种是按照自组织原则构成地神经网络,其中有代表性的是自适应谐振理论(ART)神经网络和T·Kohonen提出的自组织特征映射神经网络。
这三种途径各有其有缺点。从算法的系统性和完整性看,第一、二种优于第三种。而从模仿人的认知过程和智能处理功能看,后者又优于前者。从立即导向一种实用系统而言,第二种相对困难较少。
神经网络的研究热点
在神经网络研究中采用模糊算法,构成模糊人工神经网络;
用混沌(Chaos)理论研究人工神经网络;
加强与其它有关学科的交叉,特别是心理学、神经生理学、生物化学与生物物理学、以及人工智能科学等等;
用小波理论研究神经网络,形成小波神经网络;
人工神经网络的可编程问题;
利用分子器件实现人工神经网络:指硬件实现。
第二讲 Matlab与神经网络工具箱
Matlab简介
具有Fortran和C高级计算机语言知识的读者可能已经注意到,如果用它们去进行程序设计,尤其当涉及矩阵运算或画图时,编程会很麻烦。比如说,若想求解一个线性代数方程组AX=B=>X=A-1B,用户得首先编写一个主程序,然后编写一个子程序去读入各个矩阵的元素,之后再编写一个子程序,求解相应的方程,最后输出结果。一般说来,求解线性方程组这样一个简单的功能需要100多条源程序。
Matlab的首创者Cleve 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。1980年前后,他在New Mexico大学讲授线性代数课程时,发现用其它高级语言编程极为不便,便构思并开发了Matlab(Matrix Laboratory,即矩阵实验室)。在Matlab下,矩阵的运算变得异常的容易,后来的版本中又增添了图象处理及多媒体、因特网、数据库等功能。
Matlab出现以后一直在美国的New Mexico等大学作为教学辅助软件使用,并作为面向公众的免费软件广为流传。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. )专门