今天完成了普通自適應神經網路的設計與開發，設計類圖如下：
自適應人工神經網路主要是用來處理聚類問題，即通過「勝者為王」的競爭機制把要分類樣本的中心儲存到競爭層神經元的網路權值之中。
演示程式：隨機取兩個區域的點的集合，我們把其分為兩類，最後要得到的結果是經過網路學習，網路的權值儲存了這兩類樣本的資料中心。
演示程式的介面如下：
隨機在兩個區域取的樣本
隨機樣本顯示在圖形上
經過網路學習把聚類樣本的中心顯示在圖形上(紅色*表示)
呵呵，有一些成就感。我會堅持下去把人工神經網路的類庫做完整。
人工神經網路 多層神經網路
模型原型 sklearn.neural network.mlpclassifier hidden layer sizes 100,activation relu algorithm adam alpha 0.0001,batch size auto learning rate constant le...
人工神經網路之前饋神經網路
1.基本概念 深度前饋神經網路也叫作多層感知機，是深度學習中最常用的模型。它包含輸入層，隱含層和輸出層三個部分。它的目的是為了實現輸入到輸出的對映。它定義了乙個函式 y f x,theta 並且通過學習theta，得到了對映函式f。深度前饋神經網路之所以稱之為深度是因為它包含了很多層 隱含層可能會有...
人工神經網路之前饋神經網路
源鏈結 1.基本概念 深度前饋神經網路也叫作多層感知機，是深度學習中最常用的模型。它包含輸入層，隱含層和輸出層三個部分。它的目的是為了實現輸入到輸出的對映。它定義了乙個函式 y f x,theta 並且通過學習theta，得到了對映函式f。深度前饋神經網路之所以稱之為深度是因為它包含了很多層 隱含層...