检索结果共
个
1
1.1
人工智能简介（2学时）
3
3.1
概述
3.2
人工神经网络（4学时）
3.2.1
生物脑神经元结构
3.2.2
神经元的组成部分
3.2.3
生物脑神经元的工作机制
3.2.4
人工神经网络
3.2.5
人工神经网络的发展
3.2.6
人工神经网络的特性
3.2.7
人工神经元模型
3.2.8
上课视频：ANN
3.2.9
常见的传输函数
3.2.10
人工神经网络结构
3.2.11
人工神经网络学习算法
3.2.12
上课视频：神经元学习规则
3.4
进化计算（2学时）
3.5
群体智能（4学时）
3.6
粒子群优化算法
3.7
蚁群优化算法
友情提示：同学您好，此页面仅供预览，在此页面学习不会被统计哦！ 请进入学习空间后选择课程学习。
人工神经网络的基本思想是从仿生学的角度,模拟人脑神经系统的运作方式,使机器具有人脑那样的感知,学习和推理能力。
所以，可以把人工神经网络（ANN）看成是反映人脑结构及功能的一种抽象数学模型，是由大量神经元节点互连而成的复杂网络，用以模拟人类进行知识的表示与存储以及利用知识进行推理的行为。
人工神经网络力求从四个方面模拟人脑的智能行为：
物理结构
计算模拟
存储与操作
训练
国际著名的神经网络研究专家,第一家神经计算机公司的创立者与领导人 Hecht—Nielsen 给人工神经网络下的定义是:“人工神经网络是由人工建立的以有向图为拓扑结构的动态系统,它通过对连续或断续的输入作状态响应而进行信息处理”。