7,129
个编辑
更改
跳到导航
跳到搜索
第95行：
第95行： + + + + + + + + + + + + + + + + + + + + + + + + + + + +
无编辑摘要
* [http://www.nature.com/ncomms/journal/v4/n1/full/ncomms2368.html All-optical Reservoir Computing], Nature Communications 2013
* [http://www.nature.com/ncomms/journal/v4/n1/full/ncomms2368.html All-optical Reservoir Computing], Nature Communications 2013
* [http://www.mitpressjournals.org/doi/10.1162/NECO_a_00694#.WL4P9iHyvIo Memristor Models for Machine learning], Neural Computation 2014 [https://arxiv.org/abs/1406.2210 arxiv]
* [http://www.mitpressjournals.org/doi/10.1162/NECO_a_00694#.WL4P9iHyvIo Memristor Models for Machine learning], Neural Computation 2014 [https://arxiv.org/abs/1406.2210 arxiv]
==集智推荐==
===集智课程===
====[https://campus.swarma.org/course/4440 循环神经网络的动力学平均场理论]====
该读书会将从经典的最简单的随机神经网络中的混沌开始，介绍统计场论在分析该问题中发挥的关键作用，然后利用统计场论进一步讨论真实大脑脉冲发放数据中隐含的网络临界状态，并探讨该状态在计算功能中发挥的关键作用及其机制。
'''分享大纲'''
* 成对脉冲关联的宽分布；
* 神经活动元统计的平均场理论--系综下的一般性模型；
* 循环神经网络的动力学平均场理论；
* 混沌边缘在机器学习中的应用
====[https://campus.swarma.org/course/1391 神经网络（Neural Network）]====
作为一门人工智能课程，本节课程，我们终于来到神经网络部分。在这一节中，从一个历史发展的角度去看待神经网络，从 1943 年最早提出的感知机模型讲起，分析其局限性，说明引入多层神经网络的必要性，以及经典的 BP 算法。最后从一个实际案例出发，讲解真实场景下，用人工神经网络做预测时，会用到的问题和处理方法。
'''课程大纲'''
* 人工神经网络的工作原理
* 感知机的局限性
* 多层神经网络的必要性
* 梯度反传算法
* 如何用人工神经网络来做预测
* 数据处理方法：类型变量、归一化、分批次训练
* 如何分析一个训练好的人工神经网络