摘要：PCA神经网络 阅读全文

摘要：占个坑，后面来写 阅读全文

摘要：自主知 阅读全文

摘要：BP神经网络是1968年由Rumelhart和Mcclelland为首的科学家提出的概念，是一种按照误差反向传播算法进行训练的多层前馈神经网络，是目前应用比较广泛的一种神经网络结构。BP网络神经网络由输入层、隐藏层和输出层三部分构成，无论隐藏层是一层还是多层，只要是按照误差反向传播算法构建起来的网络 阅读全文

摘要：1、受限玻尔兹曼机 玻尔兹曼机是一大类的神经网络模型，但是在实际应用中使用最多的则是受限玻尔兹曼机（RBM）。 受限玻尔兹曼机（RBM）是一个随机神经网络（即当网络的神经元节点被激活时会有随机行为，随机取值）。它包含一层可视层和一层隐藏层。在同一层的神经元之间是相互独立的，而在不同的网络层之间的神经 阅读全文

摘要：Hopfield网络具有最优计算功能，然而网络只能严格按照能量函数递减方式演化，很难避免伪状态的出现，且权值容易陷入局部极小值，无法收敛于全局最优解。 如果反馈神经网络的迭代过程不是那么死板，可以在一定程度上暂时接受能量函数变大的结果，就有可能跳出局部极小值。随机神经网络的核心思想就是在网络中加入概 阅读全文

摘要：前馈网络一般指前馈神经网络或前馈型神经网络。它是一种最简单的神经网络，各神经元分层排列。每个神经元只与前一层的神经元相连。接收前一层的输出，并输出给下一层，数据正想流动，输出仅由当前的输入和网络权值决定，各层间没有反馈。包括：单层感知器，线性神经网络，BP神经网络、RBF神经网络等。 递归神经网络（ 阅读全文

摘要：BP神经网络是一种全局逼近网络，学习速度慢，本次介绍一种结构简单，收敛速度快，能够逼近任意非线性函数的网络——径向基函数网络。（Radial Basis Function, RBF）是根据生物神经元有局部响应的原理而将基函数引入到神经网络中。 为什么RBF网络学习收敛得比较快？当网络的一个或多个可调 阅读全文

摘要：BP神经网络是包含多个隐含层的网络，具备处理线性不可分问题的能力。以往主要是没有适合多层神经网络的学习算法，，所以神经网络的研究一直处于低迷期。 20世纪80年代中期，Rumelhart，McClelland等成立了Parallel Distributed Procession（PDP）小组，提出了 阅读全文

摘要：自适应线性元件20世纪50年代末由Widrow和Hoff提出，主要用于线性逼近一个函数式而进行模式联想以及信号滤波、预测、模型识别和控制等。 线性神经网络和感知器的区别是，感知器只能输出两种可能的值，而线性神经网络的输出可以取任意值。线性神经网络采用Widrow-Hoff学习规则，即LMS（Leas 阅读全文

摘要：单层感知器属于单层前向网络，即除输入层和输出层之外，只拥有一层神经元节点。 特点：输入数据从输入层经过隐藏层向输出层逐层传播，相邻两层的神经元之间相互连接，同一层的神经元之间没有连接。 感知器（perception）是由美国学者F.Rosenblatt提出的。与最早提出的MP模型不同，神经元突触权值 阅读全文