简述神经网络的发展历史

最新推荐文章于 2025-02-25 14:41:30 发布
最新推荐文章于 2025-02-25 14:41:30 发布
阅读量822 收藏 5
点赞数 1
分类专栏： 深度学习经典问题 文章标签： 神经网络 人工智能 深度学习 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_47256162/article/details/132179806
版权
神经网络起源于20世纪40年代，经过感知器时代、连接主义、冬眠期，最终在21世纪因计算能力提升、大规模数据和深度学习技术的兴起而复兴。现代深度学习已广泛应用于图像识别、自然语言处理等领域，成为人工智能的核心技术。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录

在这里插入图片描述

一、发展历史

神经网络的发展历史可以追溯到20世纪40年代，经历了多个阶段的演化和突破。以下是神经网络发展的主要历史阶段：

在这里插入图片描述

  1. 早期提出： 神经网络的最早概念可以追溯到20世纪40年代。Warren McCulloch和Walter Pitts在1943年提出了一个基于生物神经元模型的计算模型，为神经网络的理论奠定了基础。

  2. 感知器时代： 1950年代到1960年代，感知器模型由Frank Rosenblatt引入，它是一种单层神经网络，可以用于二分类问题。然而，感知器模型的限制和局限性逐渐被揭示，导致了神经网络研究的停滞。

  3. 连接主义和反向传播： 1960年代末到1970年代，神经网络研究进入了低谷，但连接主义的概念仍在继续。1980年代初，提

了解本专栏 订阅专栏 解锁全文 超级会员免费看
简述神经网络的发展历程,神经网络的起源和发展
super67269的博客
08-10 3035
其次，当时的电子技术工艺水平比较落后，主要的元件是电子管或晶体管，利用它们制作的神经网络体积庞大，价格昂贵，要制作在规模上与真实的神经网络相似是完全不可能的；(3)非线性映射能力当对系统对于设计人员来说，很透彻或者很清楚时，则一般利用数值分析，偏微分方程等数学工具建立精确的数学模型，但当对系统很复杂，或者系统未知，系统信息量很少时，建立精确的数学模型很困难时，神经网络的非线性映射能力则表现出优势，因为它不需要对系统进行透彻的了解，但是同时能达到输入与输出的映射关系，这就大大简化设计的难度。...
人工神经网络的发展历程,神经网络发展历程简述
神经网络爱好者
08-19 4117
由于神经网络是多学科交叉的产物，各个相关的学科领域对神经网络都有各自的看法，因此，关于神经网络的定义，在科学界存在许多不同的见解。目前使用得最广泛的是T.Koholen的定义，即"神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。"如果我们将人脑神经信息活动的特点与现行冯·诺依曼计算机的工作方式进行比较，就可以看出人脑具有以下鲜明特征：1.巨量并行性。
神经网络发展
weixibupt的专栏
04-17 1251
机器学习(Machine Learning) 机器学习是人工智能（Artificial Intelligence）的核心。它和统计学有着密不可分的关系。作为对比，让我们先来看一看这两个领域的区别。 传统的统计学的特点：   低维数据； 数据中有大量噪点（Noise）； 数据中没有复杂的结构，且所有结构均可以被简化为一个相对简单的模型； 面临的主要问题是如何从数据中
神经网络发展简史：从感知机到通用智能的进化之路
最新发布
深耕嵌入式领用多年， 致力于分享嵌入式领域技术!
02-25 609
神经网络发展简史：从感知机到通用智能的进化之路
神经网络的发展历史
qq_45387772的博客
09-11 9013
论文中提出了人工神经网络的概念，并给出了人工神经元的数学模型，从而开创了人工神经网络研究的时代。
神经网络的发展过程
热门推荐
weixin_42620513的博客
03-31 1万+
神经网络的发展大致经过五个阶段。 第一阶段：模型提出 在1943年，心理学家Warren McCulloch和数学家Walter Pitts和最早描述了一种理想化的人工神经网络，并构建了一种基于简单逻辑运算的计算机制。他们提出的神经网络模型称为MP模型。 阿兰·图灵在1948年的论文中描述了一种“B型图灵机”。(赫布型学习) 1951年，McCulloch和Pitts的学生Marvin Minsky建造了第一台神经网络机，称为SNARC。 Rosenblatt [1958]最早提出可以模拟人类感知能力的神经
简述神经网络的发展历史,神经网络的起源和发展
aifamao3的博客
08-11 2013
由于神经网络是多学科交叉的产物，各个相关的学科领域对神经网络都有各自的看法，因此，关于神经网络的定义，在科学界存在许多不同的见解。目前使用得最广泛的是T.Koholen的定义，即"神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。"如果我们将人脑神经信息活动的特点与现行冯·诺依曼计算机的工作方式进行比较，就可以看出人脑具有以下鲜明特征：1.巨量并行性。...
简述人工神经网络的定义,简述神经网络算法
神经网络爱好者
12-07 1180
人工智能十大算法如下线性回归（Linear Regression）可能是最流行的机器学习算法。线性回归就是要找一条直线，并且让这条直线尽可能地拟合散点图中的数据点。它试图通过将直线方程与该数据拟合来表示自变量（x 值）和数值结果（y 值）。然后就可以用这条线来预测未来的值！逻辑回归（Logistic regression）与线性回归类似，但它是用于输出为二进制的情况（即，当结果只能有两个可能的值）。对最终输出的预测是一个非线性的 S 型函数，称为 logistic function, g()。决策树（Dec
简述BP神经网络的流程,BP神经网络的实现包括
super339的博客
08-14 2165
BP算法的基本思想是：学习过程由信号正向传播与误差的反向回传两个部分组成；正向传播时，输入样本从输入层传入，经各隐层依次逐层处理，传向输出层，若输出层输出与期望不符，则将误差作为调整信号逐层反向回传，对神经元之间的连接权矩阵做出处理，使误差减小。经反复学习，最终使误差减小到可接受的范围。具体步骤如下：1、从训练集中取出某一样本，把信息输入网络中。2、通过各节点间的连接情况正向逐层处理后，得到神经网络的实际输出。3、计算网络实际输出与期望输出的误差。...
神经网络发展史
Jiali Zhang的博客
05-19 1万+
简述神经网络发展的三起两落。
【详解】神经网络的发展历程
2401_83912923的博客
01-22 2200
本文将详细描述神经网络的发展历程
神经网络历史(一)
XianxinMao的博客
04-21 453
分类常用的神经网络模型,深度神经网络主要模型
神经网络爱好者
08-10 2041
由于神经网络是多学科交叉的产物，各个相关的学科领域对神经网络都有各自的看法，因此，关于神经网络的定义，在科学界存在许多不同的见解。目前使用得最广泛的是T.Koholen的定义，即"神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。"如果我们将人脑神经信息活动的特点与现行冯·诺依曼计算机的工作方式进行比较，就可以看出人脑具有以下鲜明特征：1.巨量并行性。...
神经网络发展历程
qq_38785977的博客
02-06 4099
神经网络发展历程 神经元 1.引子 ​ 对于神经元的研究由来已久，1904年生物学家就已经知晓了神经元的组成结构。 ​ 一个神经元通常具有多个树突，主要用来接受传入信息；而轴突只有一条，轴突尾端有许多轴突末梢可以给其他多个神经元传递信息。轴突末梢跟其他神经元的树突产生连接，从而传递信号。这个连接的位置在生物学上叫做“突触”。 ​ 人脑中的神经元形状可以用下图做简单的说明： ​ 1943年，心理学家McCulloch和数学家Pitts参考了生物神经元的结构，发表了抽象的神经元模型MP。在下文中，我们会具体介
神经网络的发展
Hi,你好
10-05 2695
卷积神经网络（convolution nerul newtwork）CNN的演进从LeNet到AlexNet，VggNet,GoogleNet,ResNet。 神经网络的基本组成有输入层，隐藏层，输出层。 LeNet：LeCun是第一个神经网络模型，在1989年。Lecun的论文点击阅读详细的介绍了什么叫做神经网络等概念。1998年LeCun提出了LeNet。 AlexNet：2012年Imag...
神经网络大详解
Jackydu1的博客
05-14 3653
各位小伙伴们，大家好，我是杜同学。今天想与大家分享一下神经网络的起源，从感知机模型到BP神经网络，其中会包括前向传播、反向传播等相关知识。当然，看这篇帖子之前，希望大家具备一些先导知识，特别是高等数学中链式求导以及求偏导的基础知识。相信这对大家来说肯定也不是问题啦。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

海洋 之心

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值