人工神经网络与遗传算法前言教材主要参考书课程目的课程内容知识基础课时安排成绩评定教材书名：《人工神经网络导论》出版社：高等教育出版社作者：蒋宗礼定价：12.4元主要参考书1、沈世镒,《神经网络理论与应用》,科学出版社。2、郝红伟,《Matlab6.0入门》,中国电力出版社。3、闻新、周露等，《Matlab神经网络应用设计》，科学出版社。4、周明，孙树栋，遗传算法原理及应用，国防工业出版社，1999。课程目的1、引导学生了解人工神经网络及遗传算法的基本思想。2、重点介绍感知器及BP网络模型，让学生掌握其结构、数学描述及学习算法。3、通过实验进一步体会BP神经网络模型的应用及性能。4、了解人工神经网络与遗传算法的有关研究思想，培养将该方法应用与工程实践的能力。5、查阅适当的参考文献，将所学的知识应用于将来的学习或科研中。课程内容第1章概述1.1人工神经网络研究与发展1.2生物神经元1.3人工神经网络的构成第2章人工神经网络基本模型2.1感知器模型2.2线性神经网络2.3BP神经网络2.4其他神经网络第3章BP神经网络理论3.1网络结构3.2数学模型3.3学习算法3.4网络的泛化能力3.5算法的改进3.6网络结构参数的确定第4章BP神经网络应用4.1MATLAB应用基础4.2一个正弦波学习程序设计4.3网络结构调整与算法改进4.4网络计算与分析第5章遗传算法5.1形成与发展5.2基本原理5.2.1基本概念5.2.2编码5.2.3适应度函数5.2.4遗传算子5.2.5遗传学习算法5.3研究方向5.4应用实例知识基础1、激励函数（阶跃函数、非线性函数、连续函数、单调函数）、函数收敛2、偏微分、梯度、方差与均方差3、向量与矩阵4、最优解与解空间5、Matlab使用6、人工智能基础课时安排1、上课：24学时8−14周二3~4节，8−12周五1~2节2、上机：20学时13−20周五1~2节，19−20周二3~4节3、其它：8学时15−18周二3~4节用于查阅资料、作业、论文写作成绩评定1、出勤率（到课率和上机）2、作业一次3、论文一篇1.1人工神经网络的研究与发展1、萌芽期40年代初，美国McCulloch和Pitts从信息处理的角度，研究神经细胞行为的数学模型表达．提出了阈值加权和模型—MP模型。1949年，心理学家Hebb提出著名的Hebb学习规则，即由神经元之间结合强度的改变来实现神经学习的方法。Hebb学习规的基本思想至今在神经网络的研究中仍发挥着重要作用。2、第一次高潮50年代末期，Rosenblatt提出感知机模型(Perceptron)。感知机虽然比较简单，却已具有神经网络的一些基本性质，如分布式存贮、并行处理、可学习性、连续计算等。这些神经网络的特性与当时流行串行的、离散的、符号处理的电子计算机及其相应的人工智能技术有本质上的不同，由此引起许多研究者的兴趣。在60代掀起了神经网络研究的第一次高潮。但是，当时人们对神经网络研究过于乐观，认为只要将这种神经元互连成一个网络，就可以解决人脑思维的模拟问题，然而，后来的研究结果却又使人们走到另一个极端上。3、反思期60年代末，美国著名人工智能专家Minsky和Papert对Rosenblatt的工作进行了深人研究，出版了有较大影响的《Perceptron》一书，指出感知机的功能和处理能力的局限性，同时也指出如果在感知器中引入隐含神经元，增加神经网络的层次，可以提高神经网络的处理能力，但是却无法给出相应的网络学习算法。另一方面，由于60年代以来微电子技术日新月异的发展，电子计算机的计算速度飞速提高，加上那时以功能模拟为目标、以知识信息处理为基础的知识工程等研究成果，给人工智能从实验室走向实用带来了希望，这些技术进步给人们造成这样的认识：以为串行信息处理及以它为基础的传统人工智能技术的潜力是无穷的，这就暂时掩盖了发展新型计算机和寻找新的人工智能途径的必要性和迫切性。再者，当时对大脑的计算原理、对神经网络计算的优点、缺点、可能性及其局限性等还很不清楚，使对神经网络的研究进入了低潮。4、第二次高潮进入80年代，首先是基于“知识库”的专家系统的研究和运用，在许多方面取得了较大成功。但在一段时间以后，实际情况表明专家系统并不像人们所希望的那样高明，特别是在处理视觉、听觉、形象思维、联想记忆以及运动控制等方面，传统的计算机和人工智能技术面临着重重困难。模拟人脑的智能信息处理过程，如果仅靠串行逻辑和符号处理等传统的方法来济决复杂的问题，会产生计算量的组合爆炸。因此，具有并行分布处理模式的神经网络理论又重新受到人们的重视。对神经网络的研究又开始复