下载掌阅APP，畅读海量书库
立即打开
本章介绍了人工神经网络的基本原理和发展历史，以及两种重要的人工神经网络模型：BP网络和卷积神经网络。首先，2.2节通过生物神经系统的结构和功能，阐释了人工神经网络的灵感来源和模拟目标，并详细介绍了神经网络的基本组成和工作机制，包括神经元、权重、激活函数、损失函数、优化算法等核心概念。特别地，在BP网络部分，以三层的BP网络为例讲解了反向传播算法原理，通过精简的公式推导，演示了网络训练中的反向传播过程。进一步，本章在2.3节介绍了卷积神经网络的基本概念，明确了其三种基本结构：卷积层、池化层和激活层。通过分别探讨目标识别和图像融合领域的典型模型，读者能够了解卷积神经网络在处理视觉数据方面的应用。总体而言，本章为读者提供了学习神经网络基础知识的机会，为后续的学习和研究奠定了基础。
