神经网络与机器学习

人工神经网络（Artificial Neural Network，简写为ANN。）简称为神经网络。

是进行分布式并行信息处理的算法模型。

神经元是神经网络操作的基本信息处理单元。

神经元模型的三种基本元素：突触权值或连接链集，加法器，激活函数。

一般神经网络模型是将多个神经元联系在一起，一个神经元的输出作为另一个神经元的输入。下图是一个三层神经网络，每个圆圈代表一个神经元。

激活函数（Activation Function）

一般来说，神经元包含激活函数（Activation Function），输入层和输出层除外。

激活函数（Activation Function）一般常见的是：sigmoid函数，tanh函数，ReLU函数。

在这几年，人工神经网络（ANN）得到了很大的发展，已成功应用于图形识别，智能机器人，自动控制等方面。

1982年，美国物理学家John J.Hopfield博士提出了Hopfield神经网络。2006年，Geoffrey Hinton提出了深度学习。

当然还有BP神经网络，卷积神经网络（convolutional neural network CNN）等。

参考书目：

1.《Python程序设计 人工智能案例实践》［美］保罗.戴特尔（Paul Deitel）哈维.戴特尔(Harvey Deitel)著 王恺 王刚 于名飞 等译  机械工业出版社

2.《神经网络与机器学习》 （加）Simon Haykin 著 申富饶 徐烨 郑俊 晁静译 机械工业出版社

3.《人工智能算法基础》 唐宇迪 史卫亚 罗召勇 李琳 候惠芳 编著 北京大学出版社

首次编辑：2025/1/8 19:38