ML机器学习入门 神经网络基础 BP人工神经网络的基本原理、模型与实例 本讲大纲： 人工神经网络的基本概念 误差反向传播(BP)神经网络

ML机器学习入门 神经网络基础 BP神经网络详解 BP神经网络模型与学习算法 清晰易懂

引言 利用机器模仿人类的智能是长期以来人们认识自然、改造自然和认识自身的理想。 研究ANN目的： （1）探索和模拟人的感觉、思维和行为的规律，设计具有人类智能的计算机系统。 （2）探讨人脑的智能活动，用物化了的智能来考察和研究人脑智能的物质过程及其规律。 ANN的研究内容 （1）理论研究：ANN模型及其学习算法，试图从数学上描述ANN的动力学过程，建立相应的ANN模型，在该模型的基础上，对于给定的学习样本，找出一种能以较快的速度和较高的精度调整神经元间互连权值，使系统达到稳定状态，满足学习要求的算法。 （2）实现技术的研究：探讨利用电子、光学、生物等技术实现神经计算机的途径。 （3）应用的研究：探讨如何应用ANN解决实际问题，如模式识别、故障检测、智能机器人等。

引言 利用机器模仿人类的智能是长期以来人们认识自然、改造自然和认识自身的理想。 研究ANN目的： （1）探索和模拟人的感觉、思维和行为的规律，设计具有人类智能的计算机系统。 （2）探讨人脑的智能活动，用物化了的智能来考察和研究人脑智能的物质过程及其规律。 ANN的研究内容 （1）理论研究：ANN模型及其学习算法，试图从数学上描述ANN的动力学过程，建立相应的ANN模型，在该模型的基础上，对于给定的学习样本，找出一种能以较快的速度和较高的精度调整神经元间互连权值，使系统达到稳定状态，满足学习要求的算法。 （2）实现技术的研究：探讨利用电子、光学、生物等技术实现神经计算机的途径。 （3）应用的研究：探讨如何应用ANN解决实际问题，如模式识别、故障检测、智能机器人等。

本章要点 一、神经网络简介 二、MATLAB简介 三、神经网络建模基础 四、利用Microsoft SQL Server22005实践神经网络算法

智能优化算法课程 ML机器学习入门 神经网络基础 智能优化算法-BP神经网络基本原理简介

MNIST机器学习入门 机器学习两大应用场景：分类(classification)与回归(regression)。 回归问题通常来预测一个值，其标签的值是连续的，例如预测房价，天气等任何连续性的走势，数值。

包括约会数据集。

这个文档截取了原文1000多页中的100多页内容，方便大家的阅读，有利于学习机器学习入门知识。我们一般了解的都是线性代数与概率比较多，其实微分积分，与拓扑学的扩展非常有利于大家对于算法的理解与创新。

包含4个文档：机器人学习简介、机器学习快速入门、应用无监督学习、应用监督式学习