人工智能之神经网络特训班课程过半，这些内容关键点你不能错过

2016 年，谷歌 AlphaGo 下围棋战胜了人类世界冠军李世石；美国白宫发布了 人工智能 白皮书；微软研发的 AI 语音识别首次超过了人类... 人工 智能 一跃成为产业发展的主要方向、科技进步的关键源动力。

相信很多人都注意到了这一趋势，但现实是：仍有许多朋友对 AI 一知半解，如雾里看花。究其原因，或许可以归结为以下几点：找不到系统的学习资料，缺少经验丰富的 “引路人”，以及没有一个合适的学习、交流平台。

为此，雷锋网联合国内顶级 AI 培训平台 “1024MOOC 学院”，邀请到清华大学计算机系的博士生导师邓志东教授作为授课嘉宾，举办 “人工智能之神经网络特训班”。邓教授从事包括深度神经网络在内的人工神经网络研究 25 年，在清华授课 20 余年，研究 无人驾驶 技术 8 年，具有非常丰富的研发和教学经验。

上周末（3 月 4 日、5 日），第一期课程 “人工智能之神经网络特训班” 结束了前两个章节的学习，并将于本周末进入最后两个章节。下面，我们将简单汇总上周课程的讲授重点，以帮助那些错过上周末直播的朋友更好地理解后续内容。

上周讲授的主要内容包括以下两个方面：1. 人工智能与生物神经系统；2. 人工神经网络基础。

人工智能与生物神经系统

这一部分邓教授综述了 AI 的定义及发展历程、关键技术成果、高性能计算平台以及典型应用场景和前沿探索等内容。课程中，邓教授在阐述 AI 发展历史的同时，会不时插入一些经典的用例和关键技术特征，而且，在讲述技术特征时，又会常常联系起此前出现过的其他技术特征，对比其区别和联系。总体上，让学员在 AI 发展历程和关键技术特点之间建立了一个相互联系的牢固架构，非常便于理解和记忆。相关精彩 PPT 如下：

人工智能名称的由来

三个人工智能学习方法

深度神经网络的主要分类

一些关键进展

人工智能离不开大数据的支持

离不开超强硬件计算能力的支持

新体制的硬件平台

未来的一些方向

生物神经系统原理

人工神经网络基础

第二部分，邓教授讲述了人工神经元的基本模型，以及 BP 网络、Hopfield 网络这两种关键模型。在讲解后面两种景点神经网络模型时，邓教授对基于 BP 和 Hopfield 网络的每一个优化和细分结构都进行了公式推理级的详细讲解，让学员不但清楚了这些结构的优势，并且理解了为什么具有这些优势。相关精彩 PPT 如下：

标准人工神经元模型——MP 模型

人工神经网络的关键就是网络结构 + 学习算法

三种典型网络结构

BP 网络的相关内容

Hopfield 网络的相关内容

对于邓老师的讲解，课后学员们给予了非常高的评价，我们摘取了一小部分：