当前课程知识点:智能控制 >  第五章 神经网络的理论基础 >  5.2 神经网络的发展简史 >  5.2 神经网络的发展简史

返回《智能控制》慕课在线视频课程列表

5.2 神经网络的发展简史在线视频

下一节:5.3 神经网络的基本概念

返回《智能控制》慕课在线视频列表

5.2 神经网络的发展简史课程教案、知识点、字幕

下面我们看一下

神经网络的发展简史

启蒙期

低潮期

复兴期

新连接机制时期

那么在1969到1982年的时候

人工神经网络的研究陷入了低潮

这是为什么呢

后面我们就会知道答案

首先在1890年到1969年

这一段是人工神经网络的启蒙期

在1890年的时候

James发表了专著《心理学》

它首次讨论了人脑的结构和功能

那么在1943年的时候

美国心理学家McCulloch

和数学家Pitts提出了MP模型

描述了脑神经细胞动作

MP模型其实就是

这两位专家的名字的缩写

那么MP模型首次从数学的角度

描述了人脑的神经细胞的动作行为特征

那么在1949年

心理学家Hebb实现了对脑细胞之间

相互影响的数学描述

从心理学的角度提出了

至今人对神经网络理论有重要影响的

Hebb学习规则

实际上就是一种神经网络学习算法

那么到1958年

Rosenblatt提出了感知器的模型

那么这也是第一个最简单的

人工神经网络模型

它具有智能特征

跟MP模型的不同

它是描述信息在人脑中如何存储

如何记忆的一种数学模型

开拓了人工神经网络的研究时代

那么到了1962年的时候

这两位专家又提出了

自适应线性神经网络

并提出了δ学习规则

这是神经网络的启蒙期

对人类大脑的认识还停留在

一些表面的地方

还没有进行深入的研究

那么到了1969年的时候

受当时神经网络理论研究水平的限制

以及冯•诺依曼式计算机发展的冲击

等各种因素的影响

尤其是有一位大专家

提出了一个悲观的论调

直接导致神经网络的研究陷入了低谷

那么此后长达十几年

世界各国在人工神经网络的研究

基本上陷入停滞状态

但是也有少数学者继续沿着

神经网络模型和学习算法的研究方面

提出了很多有意义的理论和方法

比如自适应共振神经网络ART网络

还有自组织映射SOM网络模型

那么这段时期

人工神经网络陷入了低潮

它是为什么呢

后面会给大家提供答案

那么第三个时期

复兴期

在82年的时候

物理学家Hopfield

提出了Hopfield神经网络模型

他通过引入了一种能量函数

实现了问题的优化求解

到了1984年

他用这个模型成功地解决了

旅行商路径优化问题

也就是我们常说的货郎担问题

类似于一支笔

把河面上的五座桥连起来

这样一个问题

由于这样一个旅行商路径优化问题

是一个Benchmark的问题

也就是说里程碑问题

他可以把这个问题解决了

就可以方便解决很多其它的优化问题

那么到1986年

《并行分布式处理》这本书出版了

提出了一种著名的多层神经网络模型

叫BP神经网络

那么这个网络是迄今为止

应用最普遍的神经网络

它在各行各业得到了广泛的应用

第四个时期 新连接机制时期

1986年至今

那么神经网络从理论研究走向了应用领域

出现了神经网络芯片和神经计算机

神经网络的主要应用领域

包括模式识别

图像处理

包括语音识别

指纹识别

故障检测

图像压缩

控制与优化

预测与管理

市场预测、风险分析

通信等各个领域

智能控制课程列表:

第一章 智能控制课程概论

-开篇

--开篇

-1.1课程考试方式

--1.1课程考试方式

-1.2 数据、信息、知识与智能

--1.2 数据、信息、知识与智能

-1.3传统控制面临的挑战

--1.3 传统控制面临的挑战.

-1.4 控制科学发展过程

--1.4 控制科学发展过程.

-1.5 智能控制的多元论

--1.5

-1.6 控制策略的渗透与融合

--1.6

-1.7 智能控制与传统控制的联系与区别

--1.7

-1.8 智能控制的类型之分级递阶智能控制系统

--1.8

-1.9 智能控制的类型之专家控制系统

--1.9

-1.10 智能控制的类型之模糊控制系统

--1.10

-1.11 智能控制的类型之神经网络控制系统,智能控制的类型之基于规则的仿人智能控制系统,集成智能控制系统,组合智能控制

--1.11

-1.12智能控制系统的类型之基于规则的仿人智能控制系统,集成智能控制系统,组合智能控制

--1.12

-1.13本章小结

--1.13

-第一章测试

第二章 专家控制专题

-2.1基于搜索的问题求解

--2.1.1 搜索与人工智能的关系

--2.1.2 算法1 随机搜索

--2.1.3 算法2 引入CLOSED表.

--2.1.4 算法3 引入OPEN表.

--2.1.5 纵向搜索算法(深度优先搜索)

--2.1.6 横向搜索算法(广度优先搜索)

-- 2.1.7 均一代价搜索

--2.1.8 启发式搜索

--2.1.9 登山法和最佳优先搜索.

-- 2.1.10 A星算法

-- 2.1.11 八数码魔方实例分析

-2.2 专家系统简介

--2.2.1 专家系统简介(上)

--2.2.2 专家系统简介(下)

- 2.3 专家PID

--2.3.1 专家PID (上)

--2.3.2 专家PID (下)

-第二章测试

第三章 模糊控制的理论基础

-3.1 模糊控制概述

--3.1.1 模糊控制概述

-3.2 模糊集合

--3.2.1 模糊集合(上)

--3.2.2 模糊集合(中)

--3.2.3 模糊集合(下)

-3.3 隶属函数

--3.3隶属函数.

-3.4 模糊关系及其运算

--3.4模糊关系及其运算

-第三章测试

第四章 模糊控制

- 4.1 模糊自适应整定PID控制原理

--4.1.1 模糊自适应整定PID控制原理(上)

--4.1.2 模糊自适应整定PID控制原理(下)

-4.2 基于FF的模糊PID控制试验验证

-- 4.2.1 基于FF的模糊PID控制试验验证(上)

-- 4.2.2 基于FF的模糊PID控制试验验证(下)

-第四章测试

第五章 神经网络的理论基础

- 5.1 神经网络简介

--5.1 神经网络简介

- 5.2 神经网络的发展简史

--5.2 神经网络的发展简史

-5.3 神经网络的基本概念

--5.3 神经网络的基本概念

- 5.4 神经网络的分类

--5.4 神经网络的分类

-5.5 神经网络的学习算法、基本特征和研究领域

--5.5 神经网络的学习算法、基本特征和研究领域

-第五章测试

第六章 典型神经网络

-6.1 感知器

--6.1.1 感知器的数学模型.

--6.1.2.1 感知器应用实例分析(实现逻辑运算与或非)

--6.1.2.2 感知器应用实例分析(实现逻辑运算异或)

- 6.2 BP神经网络

--6.2.1.1 BP神经网络简介(上)

--6.2.1.2 BP神经网络简介(中)

--6.2.1.3 BP神经网络简介(下)

--6.2.2.1 BP神经网络应用实例分析之一:逻辑运算异或实现

--6.2.2.2 BP神经网络应用实例分析之二:非线性函数拟合

-第六章测试

第七章 遗传算法及其应用

- 7.1 什么是遗传算法

--7.1 什么是遗传算法

-7.2 遗传算法的特点

--7.2 遗传算法的特点

-7.3 遗传算法的基本操作之复制

--7.3 遗传算法的基本操作之复制

-7.4 遗传算法的基本操作之交叉与变异

--7.4 遗传算法的基本操作之交叉与变异

-第七章测试

第八章 遗传编程

-8.1 遗传编程工作原理

--8.1 遗传编程工作原理

-8.2 遗传编程基本操作之复制

--8.2 遗传编程基本操作之复制

-8.3 遗传编程基本操作之交换和突变

--8.3 遗传编程基本操作之交换和突变

- 8.4 遗传编程的工作步骤及实例分析

-- 8.4 遗传编程的工作步骤及实例分析

-第八章测试

期末测试

-期末测试

5.2 神经网络的发展简史笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。