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。
神经网络研究的主要发展过程大致可分为四个阶段:
第一阶段是在五十年代中期之前；
第二阶段从五十年代中期到六十年代末；
第三阶段从六十年代末到八十年代初；
第四阶段从八十年代初至今。
具体来说：
萌芽期： MP模型，Hebb假设
1890年，美国生物学家W. James首次阐明了有关人脑结构及其功能，以及相关学习、联想、记忆的基本规律。
1943年，MP模型。
1949年，Hebb假设。
第一高潮期：单级感知器
1958年,美国心理学家 F.Rosenblatt等人研制出了感知机。
1959年，Widrow 提出了自适应线性元件网络。
反思期：质疑
1969 年， M.Minsky 和 S.Papert 指出单层感知机不能解决如异或这样的基本问题。
1972年，芬兰学者Teuvo Kohonen提出了自组织映射理论(SOM),美国学者 Grossberg提出了自适应谐振理论。
第二高潮期：Hopfield网络，反向传播（BP)算法
Hopfield网络
Boltzmann机。
多层感知机与反向传播(BP) 学习算法。
国内首届神经网络大会1990年12月在北京举行。
成熟期：平稳发展，应用广泛