[百度网盘]人工神经网络概念梳理与实例讲解

课程目标：: d, k* ^+ X( V  u' p/ N' C1 ]% h, g0 ^
人工神经网络概念梳理与实例讲解
适应人群：3 ]" a" D4 Q8 h$ p. W4 z$ P* M/ w
人工智能开发爱好者
课程简介：: f; c) {# F  F* B- M
这段时间花了不少精力在了解人工神经网络（ANN），对其设计思想和基本算法有了一定的了解，把相关知识整理如下，一方面梳理思路，增强理解，另一方面也希望对想了解ANN的人有点帮助。
首先，我们了解以下人工神经网络的发展历史。9 X! U% t1 s* p* `& U1 A1 H+ Y
1943年，神经科学家和控制论专家Warren McCulloch和逻辑学家Walter Pitts基于数学和阈值逻辑算法创造了一种神经网络计算模型；6 H+ f9 }- C5 U/ Q
1957年，心理学家Frank Rosenblatt创造了模式识别算法感知机，用简单的加减算法实现了两层的计算机学习网络；+ v# @% c- ]5 n0 M1 g) b3 f
1974年，Paul Werbos在博士论文中提出了用误差反向传导来训练人工神经网络有效解决了异或回路问题，使得训练多层神经网络称为可能；/ {4 s) T1 N3 c
1985年，Rumelhart和McClelland提出了BP网络误差反向传播学习算法；  b" Y- y+ ~9 M) g/ u" Y: Y8 r
1998年，以Yann Lecun为首的研究人员实现了一个七层的卷积神经网络LeNet-5识别手写数字；5 B8 L" S- x2 a" _+ _
2006年，以Geoffrey Hinton为代表的加拿大高等研究院附属机构的研究人员开始将人工神经网络/联结主义重新包装为深度学习并进行推广；7 G5 V- c4 F3 G/ ]0 F# p
2009-2012年，瑞士人工智能实验室IDSIA发展了递归神经网络和深前馈神经网络；9 {- }/ h" D+ n  i# e& r% F
2012年，Geoffrey Hinton组的研究人员在ImageNet2012上夺冠，他们的图像分类效果远远超过了第二名，深度学习热潮由此开始一直持续到现在；9 x! A; s6 o2 C! O5 z* w
备注：ImageNet 是一个计算机视觉系统识别项目， 是目前世界上图像识别最大的数据库。
由此可知，对神经网络的研究是由来已久，50年代就有了感知机模型，是一种两层神经网络，90年代开始出现卷积神经网络，但是直到最近，随着互联网和大数据时代的到来，深度学习及神经网络的研究和应用得到广泛的关注，越来越多的公司企业在投入这项事业。
我们正身处数据爆炸的时代漩涡。互联网公司每天的业务日志、系统日志都是PB级的。医院里的病例数据，每天的交通数据，运营商里的通信数据，智能手机用户的位置数据，甚至城市里无处不在的监控数据。

游客，如果您要查看本帖隐藏内容请回复

感谢分享，神经网络这几年还挺火的，正好作为学习资料。