matlab学习笔记-2021.11.17

• 人工智能就是认识智能机理，建造智能实体，用人工的方法去模拟和实现人类智能。人工智能的目的就是让计算机像人类一样思考。

• 人工智能利用搜索，利用知识，利用抽象，利用推理。

• 人工神经网络-是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。神经网络算法同通过调整大量节点之间相互连接的关系，达到处理信息的目的。

• 人工神经网络是一个非线性动力学系统。特色在于信息的分布式存储与并行协同处理。

• 基于粗集理论。粗集理论是一个分析数据的理论，研究不完整数据、不精确知识的表达、学习、归纳等方法。粗集理论是一种新的处理模糊和不确定知识的数学工具，其主要思想就是保持分类能力不变的前提下，通过知识约简，导出问题的决策与分类规则。
  人工神经网络主要考虑网络连接的拓扑结构、神经元的特征、学习规则等。

• **前向网络：**前向网络中各个神经元接受前一级的输入，并输出到下一级，网络中没有反馈，这种网络实现信号从输入空间到输出空间的变换，其信息处理能力来自于简单非线性函数的多次复合。

• 反馈网络：反馈神经网络内神经元间有反馈，这种神经网络的信息处理是状态的变换。

• 神经网络的适应性是通过学习实现的，根据环境的变化进行权值的调整，改善系统的行为。

• Hebb规则认为学习过程最终发生在神经元之间的突触部位，突触的联系强度随着突触前后神经元的活动而变化。

• 神经网络的学习方式可以分为有监督学习与无监督学习。在监督学习中，同时将相应的期望输出与网络输出相比较，得到误差信号。以此控制权值连接强度的调整，经过多次的训练后收敛到一个确定的权值。当样本情况发生变化时，经过学习可以修改权值以适应新的环境。

• 非监督学习，事先不给标准样本，直接将网络置于环境中。

• **感知器学习规则：**神经网络在训练的过程中，其具有把输入空间映射到输出空间的能力，这种过程就是神经网络的学习。

• 一般感知器的传输函数是阈值型函数，即网络的输出a只可能是0或1。

• BP神经网络算法：包括两个方面，信号的前向传播与误差的反向传播，计算实际时按照输入到输出的方向进行，权值与阈值的修正按照输出到输入的方向进行。