神经网络基础

课程模块

使用MATLAB R2022a创建。与MATLAB R2022a后来版本兼容。

2022年©PrimožPotočnik (卢布尔雅那大学,机械工程学院)

描述

这个包包含模块化教学内容的引入神经网络的基本原理。包由一系列MATLAB生活的脚本互补的幻灯片演示。MATLAB是一种编程和数值计算平台开发的吗MathWorks。

包的目的是逐步引导学生对基本概念在神经网络通过一般的示威活动适用于各个领域,从科学工程。材料还包括一个经典工程问题,即工业压缩机连接杆缺陷的诊断。

对本科课程的内容主要是解决,然而,模块化的结构允许进一步整合在其他(研究生)基于ai课程。课程应用领域包括神经网络、深度学习、机器学习、工业诊断和状态监测和自治系统。

例子

解决XOR问题 多层感知器	解决XOR问题 径向基函数网络	四级分类与 多层感知器

函数逼近 和GRNN	混乱的Mackay-Glass时间序列预测 动态神经网络

工业诊断与主成分分析 和多层感知器	一维自组织映射 在二维输入空间	二维自组织映射 在二维输入空间

指令

教材可以走近遵循生活的脚本或PowerPoint演示。打开的脚本NN0b_Contents_and_instructions.mlx或介绍性演讲NN0a_Contents_and_instructions.pptx并遵循演示。

生活的脚本

住脚本内的指令将指导您通过活动和练习。我们建议单独运行每个部分在一个生活脚本。交互式脚本控制住(滑块、复选框、按钮等)邀请你尝试各种参数配置。看到介绍视频如何使用脚本控制住吗。每个生活脚本还包含一个链接到互补演示文稿。

幻灯片演示

教学幻灯片演示后也可以接洽。在这种情况下,每个报告将提供互补的生活脚本示例的链接。

内容

生活与互补的幻灯片演示可用脚本文件夹包含以下章节:

0. NN0——内容和指令
1. NN1——介绍神经网络
2. NN2——神经元模型、网络架构、学习
3. NN3——感知器和学习机
4. NN4——反向传播
5. NN5——动态网络
6. NN6 -径向基函数网络
7. NN7——自组织映射
8. NN8——实际考虑

学习目标

• 介绍神经网络(NN)的原理和方法
• 目前主要的神经网络模型
• 示范应用神经网络的过程
• 了解神经网络的非参数建模的概念
• 解释最常见的神经网络架构
  • 前馈网络
  • 动态网络
  • 径向基函数网络
  • 自组织网络
• 开发构建神经网络解决实际问题的能力
  • 设计合理的神经网络架构
  • 实现良好的训练和泛化性能
  • 实现一个神经网络解决方案

建议Prework

完全没有接触过神经网络和/或机器学习的主题。

介绍MATLAB

MATLAB斜坡弯道——通过这个免费学习MATLAB的必需品,两小时的入门教程常用的功能和工作流程。

额外的资源

介绍机器学习

机器学习斜坡弯道——这免费的,两个小时的教程提供了一个互动介绍实用机器学习分类问题的方法。

介绍了深度学习

深度学习斜坡弯道这个免费的,两个小时的深度学习教程提供了一个互动的实际深度学习方法介绍。你将学习使用深度学习MATLAB对图像识别技术。

教育资源

• 特色课程
• 教与MATLAB仿真软件万博1manbetx
• MATLAB平地机

有任何问题或反馈?联系MathWorks网上教学团队。

推荐的书籍

西蒙微积分、神经网络和学习机器。皮尔森,第3版,2009年版。

s manbetx 845

MATLAB统计和机器学习的工具箱™,深度学习工具箱™

许可证

这个模块的许可证是可用的LICENSE.TXT文件在这个存储库中。

确认

这个课程模块的开发是支持的万博1manbetxMathWorks。特别感谢博士马尔科·罗西,朱莉娅•Hoerner博士和Jianghao王。