神經網路課程推廣鏈接

A. 哈工大秋季有人工神經網路課程嗎

秋季的不是很清楚，但是夏季學期是有的，自動化的專業限選裡面有一門是外教上的課，主題就是人工神經網路。其實感覺這門課在秋季開的可能性不是很大的說。。。

B. 哪些大學研究生專業有人工智慧,或者神經網路專業的

專門的這個專業來不是自很清楚 貌似沒有這個專業 ，不過很多大學的計算機系都涉及人工智慧 及神經網路
人工智慧，或者神經網路集中在弱人工智慧，主要研究各類演算法、模式識別等等

南京大學 南理工等還不錯 ，供參考

C. 神經網路優缺點，

優點：

（1）具有自學習功能。例如實現圖像識別時，只在先把許多不同的圖像樣板和對應的應識別的結果輸入人工神經網路，網路就會通過自學習功能，慢慢學會識別類似的圖像。

自學習功能對於預測有特別重要的意義。預期未來的人工神經網路計算機將為人類提供經濟預測、市場預測、效益預測，其應用前途是很遠大的。

（2）具有聯想存儲功能。用人工神經網路的反饋網路就可以實現這種聯想。

（3）具有高速尋找優化解的能力。尋找一個復雜問題的優化解，往往需要很大的計算量，利用一個針對某問題而設計的反饋型人工神經網路，發揮計算機的高速運算能力，可能很快找到優化解。

缺點：

（1）最嚴重的問題是沒能力來解釋自己的推理過程和推理依據。

（2）不能向用戶提出必要的詢問，而且當數據不充分的時候，神經網路就無法進行工作。

（3）把一切問題的特徵都變為數字，把一切推理都變為數值計算，其結果勢必是丟失信息。

（4）理論和學習演算法還有待於進一步完善和提高。

(3)神經網路課程推廣鏈接擴展閱讀：

神經網路發展趨勢

人工神經網路特有的非線性適應性信息處理能力，克服了傳統人工智慧方法對於直覺，如模式、語音識別、非結構化信息處理方面的缺陷，使之在神經專家系統、模式識別、智能控制、組合優化、預測等領域得到成功應用。

人工神經網路與其它傳統方法相結合，將推動人工智慧和信息處理技術不斷發展。近年來，人工神經網路正向模擬人類認知的道路上更加深入發展，與模糊系統、遺傳演算法、進化機制等結合，形成計算智能，成為人工智慧的一個重要方向，將在實際應用中得到發展。

將信息幾何應用於人工神經網路的研究，為人工神經網路的理論研究開辟了新的途徑。神經計算機的研究發展很快，已有產品進入市場。光電結合的神經計算機為人工神經網路的發展提供了良好條件。

神經網路在很多領域已得到了很好的應用，但其需要研究的方面還很多。其中，具有分布存儲、並行處理、自學習、自組織以及非線性映射等優點的神經網路與其他技術的結合以及由此而來的混合方法和混合系統，已經成為一大研究熱點。

由於其他方法也有它們各自的優點，所以將神經網路與其他方法相結合，取長補短，繼而可以獲得更好的應用效果。目前這方面工作有神經網路與模糊邏輯、專家系統、遺傳演算法、小波分析、混沌、粗集理論、分形理論、證據理論和灰色系統等的融合。

參考資料：網路-人工神經網路

D. 想要學習人工神經網路，需要什麼樣的基礎知識

最基礎的部分的話需要：線性代數，機器學習，微積分，優化等等。

• 幾乎所有操作都有矩陣專運算，所以至少最基屬礎的線性代數需要掌握

• 建議從單一的感知機Perceptron出發，繼而認識到DecisionBoundary(判別邊界),以及最簡單的一些「監督訓練」的概念等，有機器學習的基礎最好。就結果而言，諸如「過擬合」之類的概念，以及對應的解決方法比如L1L2歸一，學習率等也都可以從單個感知機的概念開始入門。

• 從單層感知器推廣到普通的多層感知器MLP。然後推廣到簡單的神經網路（激活函數從階躍「軟化」為諸如tanh等類型的函數），然後引入特定類型的網路結構，比如最基本的全連接、前向傳播等等概念。進而學習訓練演算法，比如反向傳播，這需要微積分的知識（Chainrule）,以及非線性優化的最基礎部分，比如梯度下降法。

• 其次至少需要具備一些適用於研究的編程語言的技能，例如python，matlab，（C++也可行）等，哪怕不自己實現最簡單的神經網路而是用API，也是需要一定計算機能力才能應用之。

• 超過網路工程師的決心，不要弄出個網路知道答案審批這么搓的東西。
  

E. 神經網路的學習方式

我們現在剛好也在學神經網路。神經網路學習方式分為:1、有監督學習2、無監督學習3、增強學習。

F. 關於神經網路 需要學習python的哪些知識

多讀文檔 應該是庫 庫也是python基礎編寫的 多讀多看

G. 關於<人工神經網路>如何入門講一些基礎課程

人工神經網路是模仿人腦神經網路的演算法。輸入相應特徵後，經過網路的層層計算，得出輸出。再按照相應的演算法進行權值，閾值等參數的更新。比較常用的神經網路模型有BP（誤差反饋）網路。一般網路也就是三層。你可以先看看BP網路的，應該就能解決你在分類識別方面的問題。

H. 有在coursera學習Hinton的神經網路課的嗎

型

機器人是在不同的場景下，提供不同的定製化智能服務的機器人應用終端。從外觀、硬體、、內容和應用，都可以根據用戶場景需求進行定製。12016年8月，三寶機器人首家線下體驗店，正式落戶深圳市寶安區。2

示教再現型

通過引導或其它方式，先教會機器人動作，輸入工作程序，機器人則自動重復進行作業。

感覺控制型

利用感測器獲取的信息控制機器人的動作。

適應控制型

I. 要學習神經網路需要哪些基礎課程

直接看神經網路的課件就好，看tom mitchell的機器學習第四章就ok了，我就是這樣看的。

J. 能推薦幾本學習人工神經網路的經典教材嗎

《模式識別與機器學習》 [加] Simon Haykin
《神經網路與模式識別》 [加] Simon Haykin（原《神經網路原理》）
《模式分類》 Richard O. Duda/Peter E. Hart/David G. Stork
《機器學習》 (美)Tom Mitchell

這幾本是寫的最好的。如果你想要更容易一點，推薦看斯坦福的機器學習公開課。
註：前身課程需要《概率論》《高等數學》，先復習為好。最好再讀一讀測度和高概。