[人工]神經網路是1995年經全國科學技術名詞審定委員會審定公布的化學工程名詞。
基本介紹
- 中文名:[人工]神經網路
- 外文名:[artificial]neural network
- 所屬學科:化學工程
- 公布時間:1995年
[人工]神經網路是1995年經全國科學技術名詞審定委員會審定公布的化學工程名詞。
領導此項研究的加州理工學院生物工程專業博士後錢璐璐(音譯)在發表於2011年7月21日出版的《自然》雜誌上的論文中寫道:“這個人造‘大腦’可不簡單,它使得我們識別事物、形成記憶、做出決定並採取行動,這表明,一個由相互作用的分子組成的人造神經網路也能展示與大腦一樣的行為。”意義 科學家們表示,具有人工智慧型...
工神經網路是智慧型科技中的基礎技術 是當今智慧型科技中的基礎技術,它的連線機制與人工智慧型的符號推理機制並列,成為智慧型科技的兩大陣營。它模擬人腦的解剖生理學特徵,用許多並行的簡單神經元,以一定的拓撲結構連結成網,既接受外界信息,又相互刺激,更擅長於分布存儲,聯想記憶,反饋求精,黑箱映射,權值平衡,動態逼近...
長短期記憶網路(Long-Short Term Memory,LSTM)論文首次發表於1997年。由於獨特的設計結構,LSTM適合於處理和預測時間序列中間隔和延遲非常長的重要事件。LSTM的表現通常比時間遞歸神經網路及隱馬爾科夫模型(HMM)更好,比如用在不分段連續手寫識別上。2009年,用LSTM構建的人工神經網路模型贏得過ICDAR手寫識別比賽冠軍。
[人工]神經網路 [人工]神經網路是1995年經全國科學技術名詞審定委員會審定公布的化學工程名詞。公布時間 1995年,經全國科學技術名詞審定委員會審定發布。出處 《化學工程名詞》第一版。
BP(back propagation)神經網路是1986年由Rumelhart和McClelland為首的科學家提出的概念,是一種按照誤差逆向傳播算法訓練的多層前饋神經網路,是套用最廣泛的神經網路模型之一。發展背景 在人工神經網路的發展歷史上,感知機(Multilayer Perceptron,MLP)網路曾對人工神經網路的發展發揮了極大的作用,也被認為是一種真正能夠...
《人工神經網路理論及套用》,是2017年機械工業出版社出版的圖書,作者是韓力群。該書系統地論述了人工神經網路的主要理論、設計基礎及套用實例,旨在使讀者理解和熟悉神經網路的基本原理和主要套用,掌握它的結構和設計套用方法,為深入研究和套用開發打下基礎。內容簡介 為了便於讀者理解,書中儘量避免煩瑣的數學推導,...
人工神經網路法,一種預測方法。人工神經網路是仿照生理學上的真實人腦神經網路的結構、功能和基本特性,通過計算機網路系統構成基本網路結點(即神經元)所組成的一種信息處理系統。可以記憶(存儲)、處理一定的信息,並與其他結點並行工作,通過大量簡單的網路結點相互連線,模擬人腦神經處理信息。在模式識別、非線性動態...
《人工神經網路理論·模型·算法與套用》是2005年廣西師範大學出版社出版的圖書。該書由神經網路的原理和神經網路的套用兩部分組成。內容簡介 第一部分闡述了當前最具體表性的幾種神經網路模型,如前饋多層神經網路、反饋神經網路、自組織神經網路和混沌神經網路的結構、特點和學習算法。第二部分介紹了神經網路在系統辨識...
前向網路統指只有信息從輸入到輸出單方向流動的人工神經網路,如多層前饋網路、徑向基函式網路等。其中,多層前饋網路是最為典型的一種,也稱為前向網路(或多層感知器)。這種前向網路是指:(1)網路中神經元是分層的,每一層有一個或多個神經元;每一層中的神經元輸出僅在同其下一層相鄰的神經元的輸入相連線...
《人工神經網路理論、設計及套用(第二版)》是2007年化學工業出版社出版的圖書,作者是韓力群。內容簡介 該書系統地論述了人工神經網路的主要理論和設計基礎,給出了大量套用實例,旨在使讀者了解神經網路的發展背景和研究對象,理解和熟悉其基本原理和主要套用,掌握其結構模型和基本設計方法,為以後的深入研究和套用...
人工神經網路就是模擬人思維的第二種方式。這是一個非線性動力學系統,其特色在於信息的分散式存儲和並行協同處理。雖然單個神經元的結構極其簡單,功能有限,但大量神經元構成的網路系統所能實現的行為卻是極其豐富多彩的。神經網路的研究內容相當廣泛,反映了多學科交叉技術領域的特點。主要的研究工作集中在以下幾個方面...
《人工神經網路原理及套用》是2006年科學出版社出版的圖書,作者是朱大奇、史慧。內容簡介 本書中心內容包括前饋型BP神經網路;反饋型Hopfield神經網路和雙向聯想記憶 BAM神經網路;局部逼近的CMAC小腦神經網路和徑向基函式RBF神經網路;競爭學習的自組織SOM神經網路、對偶傳播CPN神經網路、ART自適應諧振理論及量子神經網路。
神經網路模型各種各樣、 各式各樣的模型從不同的角度對生物神經系統進行不同層次的描述和模擬。代表性的網路模型有BP網路、RBF網路、Hopfield網路、自組織特徵映射網路等。運用這些網路模型可實現函式逼近、數據聚類、模式分類、最佳化計算等功能。因此, 神經網路廣泛套用於人工智慧型、自動控制、機器人、統計學等領域的信息...
深度學習是機器學習的一種,而機器學習是實現人工智慧的必經路徑。深度學習的概念源於人工神經網路的研究,含多個隱藏層的多層感知器就是一種深度學習結構。深度學習通過組合低層特徵形成更加抽象的高層表示屬性類別或特徵,以發現數據的分散式特徵表示。研究深度學習的動機在於建立模擬人腦進行分析學習的神經網路,它模仿人腦...
《人工神經網路原理及仿真實例第2版》是2007年機械工業出版社出版的圖書,作者是高雋。內容提要 本書以神經網路結構為主線,以學習算法為副線,詳細介紹了神經網路結構和算法步驟,目的是使讀者易看懂,能動手,會套用。主要內容包括:人工神經網路簡介、單層前向網路及LMS學習算法、多層前向網路及BP學習算法、支持向量機...
專家系統作為為人們提供專業知識的工具,越來越受到用戶們的喜愛。然而傳統的專家系統只能在有限的定製式的規則中尋求答案,對於一個龐大的知識庫,或者複雜難解的數據結構,亦或者一個幾乎無規則可循的知識集合,傳統專家系統就顯得無能為力了。因此有人就提出使用人工神經網路開發專家系統的推理機機制,於是“人工神經...
《人工神經網路理論、設計及套用(第三版)》是2023年化學工業出版社出版的圖書,作者是韓力群、施彥。內容簡介 本書系統地論述了人工神經網路的主要理論和設計基礎,給出了大量套用實例,旨在使讀者了解神經網路的發展背景和研究對象,理解和熟悉其基本原理和主要套用,掌握其結構模型和基本設計方法,為以後的深入研究和...
《人工神經網路與微粒群最佳化》是2008年北京郵電大學出版社出版的,作者是劉希玉。內容簡介 書中部分內容是幾年來作者及其所指導的研究生們研究成果的總結。本書選材精、內容新、闡述系統,力爭深入淺出和突出套用,可作為相應學科的研究生和高年級本科生的課程教材,也可作為從事該領域研究的科學技術人員的參考書 圖書...
《人工神經網路及其融合套用技術》是2007年科學出版社出版的圖書,作者是鐘珞,饒文碧,鄒承明。內容簡介 《人工神經網路及其融合套用技術》系統論述了神經網路及其融合套用技術方面的有關理論和研究進展,主要包括:神經網路研究的發展趨勢,常用前饋型神經網路、反饋型神經網路、自組織型神經網路和量子神經網路模型的基本理論...
《人工神經網路及其融合技術》是2007年科學出版社出版的圖書,作者是鐘珞、饒文碧、鄒承明。內容簡介 本書系統論述了神經網路及其融合套用技術方面的有關理論和研究進展,主要包括:神經網路發展趨勢,常用前饋型神經網路、反饋型神經網路、自組織型神經網路和量子神經網路模型的基本理論、基本結構及學習算法,神經網路與遺傳...
《人工神經網路教程》是2006年12月北京郵電大學出版社出版發行的圖書,作者是韓力群。圖書簡介 該書系統地論述了人工神經網路的主要理論、設計基礎及套用實例,旨在使讀者了解神經網路的發展背景和研究對象,理解和熟悉它的基本原理和主要套用,掌握它有結構和設計套用方法,為深入研究和套用開發打下基礎。為了便於讀者理解...
《人工神經網路原理及其套用》是一本正文語種為簡體中文的書籍。分緒論、人工神經網路的基本原理與算法等九章,論述了人工神經網路的基本單元、網路結構、幾種常用的人工神經網路的算法及其在電力系統中的套用。內容簡介 《人工神經網路原理及其套用》論述人工神經網路的基本單元、網路結構、幾種常用的人工神經網路的算法...
《人工神經網路實用教程》是2002年浙江大學出版社出版的圖書,作者是楊建剛。內容簡介 《人工神經網路實用教程》介紹了人工神經網路典型模型的原理、算法,並對遺傳算法的基本原理也作了簡單介紹。《人工神經網路實用教程》共分九章,內容包括:概述、人工神經網路基本模型、BP網路(誤差反向傳播算法)、Hopfield網路模型、...
《人工神經網路原理及仿真實例》是2003年8月1日機械工業出版社出版的圖書,作者是高雋。本書以神經網路結構為主線,以學習算法為副線,詳細介紹了神經網路結構和算法步驟。內容簡介 該書的目的是使讀者易看懂,能動手,會套用。主要內容包括:人工神經網路簡介、單層前向網路及LMS學習算法、多層前向網路及BP學習算法、...
人工神經網路(Artificial Neural Network,簡稱 ANN)可以概括的定義為:由大量簡單的高度互連的神經元所組成的複雜網路計算系統。它是智慧型控制技術的主要分支之一,是以現代神經科學研究成果為基礎提出的,神經網路反映了人腦功能的一些基本特徵,是模擬人工智慧的一個很重要的方法。一般形式的神經網路就是對人腦完成特定...
循環神經網路(Recurrent Neural Network, RNN)是一類以序列(sequence)數據為輸入,在序列的演進方向進行遞歸(recursion)且所有節點(循環單元)按鏈式連線的遞歸神經網路(recursive neural network)。對循環神經網路的研究始於二十世紀80-90年代,並在二十一世紀初發展為深度學習(deep learning)算法之一,其中雙向循環...
它將靜態的神經元擴充到動態的神經元,特別是將PID特性賦予了神經元,這種擴充大大豐富了人工神經網路的內涵。PID神經網路的價值之二在於它立足於實用性,PID神經元網路的結構、連線權重初值的選取都是基於套用。PID神經網路的價值之三在於它對多變數系統良好的控制性能,為解決多變數系統控制問題提出了新工具。