- 生物神经元
- Hebb 学习规则
- 神经突触
- 自联想存储器
Python 实现自联想器
会员1359 人学过 11 次评价 作者: zyj061 难度: 初级
综合评分:
10.0
本次实验我们将介绍人工神经网络中的生物神经元，及突触间隙的学习过程。最终将实现基于hebb规则的自联想存储器。由于自联想存储器具有降低噪声，与去除不同输入间的干扰功能，在测试阶段我们将输入有噪音或遮挡的数字图片查看联想结果。
你将学到的
课程内容
共1个章节
实验 1
自联想存储器的 Python 实现
知识点: 1.生物神经元，神经突触 2.Hebb学习规则 3.Hebb学习规则的应用——自联想存储器
课程介绍
本次实验主要介绍人工神经网络中的生物神经元，及突触间隙的学习过程。具体来说是实现基于 hebb 规则的自联想存储器。实验中会详细介绍关于自联想存储器的原理，并使用代码实现。
实验任务
- 生物神经元的数学模型
- 自联想储存器的理论学习
- 自联想储存器的代码实现
先学知识
- 需要了解蓝桥云课的基本操作，推荐学习 新手入门指南。
- 需要一点高等数学基础和线性代数基础。
课程难度
- 本课程难度为简单。
面向用户
面向有基础 Python 编程能力，同时也有一点数学基础，想要入门学习神经网络的用户。
课程教师
zyj061 共发布过 9 门课程
查看老师的所有课程 >学过本课的同学也学过...
开通会员，即刻开始学习
加入社群
加入编程交流社群
同样的代码在我这运行的结果根本不一样
而自联想器由于提出新的优化函数，能够有效解决需要求X的逆，这个难题
自联想器基本原理：在鲁棒许可下，让原图变为目标图，通过矩阵运行：X(原）W（权重）=Y（目标），这个只提供简单的线性模型，而神经网络便是卷积操作。而优化函数便是W=X^-1Y？
代码倒是不多，但是看不太懂这个自联想存储器的原理，理论介绍太少了
挺好的实验，反复研读
mark有用吗？
先mark一记，希望以后多一些机器学习或者是简单的神经网络的算法
学完了该章节，未填写评价内容
学完了该章节，未填写评价内容
学完了该章节，未填写评价内容
学完了该章节，未填写评价内容