34、人工神经网络与机器学习入门

人工神经网络与机器学习入门

1. 神经网络的适用性与研究任务

神经网络具有显著优势，但并非适用于所有问题。算法的选择取决于具体问题领域、可用数据、计算资源等因素。

研究的总体任务是开发和运用方法以实现既定目标，涉及以下研究问题：
1. RQ1 ：K - 12 教学中人工神经网络（ANN）主题方法的范围、限制和流程。
2. RQ2 ：基本人工智能术语（与 ANN 和机器学习相关的概念）的定义。
3. RQ3 ：一个用于初步理解 ANN 领域的激励示例及其机器学习算法（手动实现）。
4. RQ4 ：两个案例研究的开发与实施。

ANN 的研究范围仅涵盖单层和多层感知器，限制因素包括研究目标以及该主题的复杂性，因为其需要学生尚未掌握的数学知识。

研究方法包括以下流程：
1. 任务选择。
2. 获取和准备初始数据。
3. 神经网络建模。
4. 任务实施。
5. 网络训练。
6. 网络测试。
7. 使用新获取的数据进行网络应用。

该方法的核心是通过大规模实验和案例研究，从理论上巩固基本概念。激励示例是连接理论部分（RQ2）和实践部分（RQ4）的桥梁。

2. 人工神经网络的基本概念和模型

2.1 基本定义

• 人工神经网络（ANN） ：是一种数学模型，是人类大脑中生物神经元的简化类比