更改

== 历史 ==

== 历史 ==

【Warren McCulloch】 和 【Walter Pitts】<ref>构造了一个关于基于【数学】和【算法】的神经网络计算模型，称为阈值逻辑。这个模型为神经网络研究铺平了分为两边的道路。一个关注大脑中的生物学过程，而另一个关注神经网络向【人工智能】的应用。这个工作引领了神经网络的工作以及他们与【有限状态机（Finite state machine）】的联系<ref>

【Warren McCulloch】 和 【Walter Pitts】构造了一个关于基于【数学】和【算法】的神经网络计算模型，称为阈值逻辑。这个模型为神经网络研究铺平了分为两边的道路。一个关注大脑中的生物学过程，而另一个关注神经网络向【人工智能】的应用。这个工作引领了神经网络的工作以及他们与【有限状态机（Finite state machine）】的联系

=== 赫布学习（Hebbian learning）===

=== 赫布学习（Hebbian learning）===

在19世纪40年代晚期，【】<> 基于【神经可塑性】的机制构造了一个学习假设，被称为【赫布学习】。赫布学习是【无监督学习（unsupervised learning）】。这形成了【长程增强效应】模型。在1948年，研究者开始将这些想法和【B类图灵机】应用到计算模型上。

在19世纪40年代晚期，【】基于【神经可塑性】的机制构造了一个学习假设，被称为【赫布学习】。赫布学习是【无监督学习（unsupervised learning）】。这形成了【长程增强效应】模型。在1948年，研究者开始将这些想法和【B类图灵机】应用到计算模型上。

Farley 和 【】<ref>首先使用计算机器，后来称作“计算器”，来模拟赫布网络。其他神经网络计算机器被【】创造.<ref>

Farley 和 【】首先使用计算机器，后来称作“计算器”，来模拟赫布网络。其他神经网络计算机器被【】创造.

【】<ref>创造了【感知机】，这是一种模式识别算法。Rosenblatt 使用数学符号描述了不在基本感知中的电路，如那时无法被神经网络处理的异或电路。<>

【】创造了【感知机】，这是一种模式识别算法。Rosenblatt 使用数学符号描述了不在基本感知中的电路，如那时无法被神经网络处理的异或电路。

1959年，【】【】和【】在初级视皮层发现了两种类型的细胞：简单细胞（simple cell）和复杂细胞（complex cell），并基于他们的发现提出了一个生物学模型,

1959年，【】【】和【】在初级视皮层发现了两种类型的细胞：简单细胞（simple cell）和复杂细胞（complex cell），并基于他们的发现提出了一个生物学模型,