点击上方“AI遇见机器学习”，选择“星标”公众号

重磅干货，第一时间送达

一、资源简介
今天给大家推荐一份开源的哥德堡大学人工神经网络讲义，这份讲义是Bernhard Mehlig教授教授的人工神经网络的课程讲义。本课程描述了神经网络在机器学习中的应用:深度学习、递归网络、强化学习以及其他有监督和无监督机器学习算法。内容由浅入深适合对神经网络感兴趣的同学阅读和学习。
人工神经网络（Artificial Neural Network，即ANN ），是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象， 建立某种简单模型，按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点（或称神经元）之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。

二、主要内容
下面是这份讲义的一些目录：

第一章：介绍
第二章：确定性Hopfield网络
第三章：随机Hopfield网络
第四章：随机优化
监督式学习
第五章：感知器
第六章：随机梯度下降法
第七章：深度学习
第八章：复发性网络
无监督学习
第九章：无监督学习Hebbian
第十章：径向基函数网络
第十一章：强化学习
三、资源分享
同时为了方便大家，我们把最新资料打包好了，可以直接下载哦~
获取方式：
1. 关注我们的公众号“AI遇见机器学习”
2. 后台回复“人工神经网络讲义” 即可以获取资料哈~（建议复制，避免错字）
推荐阅读
干货|学术论文怎么写
资源|NLP书籍及课程推荐（附资料下载）
干货|全面理解N-Gram语言模型
资源|《Machine Learning for OpenCV》书籍推荐
欢迎关注我们，看通俗干货！
继续阅读
阅读原文