一. 人工神经网络

人工神经网络可以做任何事情

1.1 人类神经系统的原理

简化的原理图:

1.2 学习与记忆

部分结构是与生俱来(非条件反射)
大部分是经过后天学习建立连接(也可能消除连接)
记忆的本职是改变突触强度

1.3 人工神经网络起源

1.4 参考书

二. ANN

2.1 ANN简介

名词解释:
输入节点: x1,x2,x3
输出节点: y
权向量: 0.3,0.3,0.3 （每个输入节点权值可不同）
偏置因子: 0.4 （y=0.3*x1 + 0.3*x2 + 0.3*x3 - 0.4 ）
激活函数: 用于解决非线性的问题
学习率:

2.2 例子

y是一个符号函数的值，符号函数的结果一般是1和-1，可以理解为yes 和 no，通过对输入条件的判断，然后加上权值，最终判断结论是yes 还是 no。

2.3 自学习算法

算法概述：

收敛条件：

几何解释:

学习率的选择:

单层感知器的局限:

2.4 训练偏置量

2.5 各种激活函数

y=0.3*x1 + 0.3*x2 + 0.3*x3 - 0.4
上述的函数是处理线性关系的，但是如果输入的值与结果非线性关系，那么此时就不使用了，激活函数应运而生，用来解决此类问题。

2.6 神经网络拓扑

2.7 学习规则

2.8 人工神经网络建模

2.9 线性神经网络

参考:

1. http://www.dataguru.cn/article-4063-1.html
2. https://zhuanlan.zhihu.com/p/25279356
3. https://zhuanlan.zhihu.com/p/98863801