说起来关于人工神经网络的研究由来已久。

1943年，沃伦·麦卡洛克和沃尔特·皮茨基于数学和一种称为阈值逻辑的算法创造了一种神经网络的计算模型。

这种模型使得神经网络的研究分裂为两种不同研究思路。

一种主要关注大脑中的生物学过程，另一种主要关注神经网络在人工智能里的应用。

二十世纪40年代后期，心理学家唐纳德·赫布根据神经可塑性的机制创造了一种对学习的假说，现在称作赫布型学习。

赫布型学习被认为是一种典型的非监督式学习规则，它后来的变种是长期增强作用的早期模型。

从1948年开始，研究人员将这种计算模型的思想应用到B型图灵机上。

1954年，法利和韦斯利·A·克拉克首次使用计算机（当时称作计算器），在麻省理工学院模拟了一个赫布网络。

后来，弗兰克·罗森布拉特创造了感知机。

这是一种模式识别算法，用简单的加减法实现了两层的计算机学习网络。

罗森布拉特也用数学符号描述了基本感知机里没有的回路，例如异或回路。

这种回路一直无法被神经网络处理，直到保罗·韦伯斯(1975)创造了反向传播算法。

看起来进展不错，然鹅此后，神经网络的研究停滞不前。

人们发现了神经网络的两个关键问题。

第一是基本感知机无法处理异或回路。

第二个重要的问题是电脑没有足够的能力来处理大型神经网络所需要的很长的计算时间。

Loading...

未加载完，尝试【刷新】or【退出阅读模式】or【关闭广告屏蔽】。

尝试更换【Firefox浏览器】or【Edge浏览器】打开多多收藏！

移动流量偶尔打不开，可以切换电信、联通、Wifi。

收藏网址：www.lenglengbb.com

(＞人＜；)