比较老的资源了，但是还是很经典的一本书，是深度学习的基础。前言 第1章 人工神经网络概述 1.1 神经网络的基本概念 1.1.1 生物神经元的结构与功能特点 1.1.2 人工神经元模型 1.1.3 神经网络的结构及工作方式 1.1.4 神经网络的学习 1.2 神经网络的特点及其应用 1.2.1 神经网络的特点 1.2.2 神经网络的应用领域 练习题 第2章 实用神经网络模型与学习算法 2.1 MATLAB快速入门 2.1.1 MATLAB界面组成 2.1.2 MATLAB基本运算 2.1.3

人工神经网络 Artificial neural networks(ANN) 一、神经元->感知器->多层感知器 感知器（The Perceptron） 神经元： 神经元是线性阈值单元(LTU)、又叫阈值逻辑单元（TLU） LTU的工作： 首先每个输入都有一个对应的权重 然后LTU对其加权求和：z = w1 x1 + w2 x2 + ⋯ + wn xn = x⊺ w 再对结果应用一个阶跃函数产生最后的输出：hw(x) = step(z)=step( x⊺ w) 其中阶跃函数ste

深度学习（神经网络）[1] —— 单层感知器算法描述python实现示例运行结果可视化 算法描述 最原始的神经网络模型，类似于神经网络中的单个神经元，该算法局限性也很大，只适用于解决线性可分的问题和异或问题，对于线性不可分的问题则无法解决。但作为神经网络的基本单元，学习和理解单层感知器，对后续的学习是很有帮助的。 python实现 # ************************** Perception ****************** import numpy as np impor