小世界網路：相對於同等規模節點的隨機網路，擁有比較短的平均路徑長度還有比較大的聚類係數特徵的網路模型。
耦合：指兩個或者兩個以上的電路元件或電網路等的輸入和輸出之間有著緊密配合還有相互影響，並且通過相互作用從一側向另一側傳輸能量的現象。
聯想記憶法：利用識記物件與客觀現實的聯絡、已知與未知的聯絡、材料內部各部分之間的聯絡來記憶的方法。
模式識別：對表徵事物或現象的各種形式的（數值的、文字的和邏輯關係的）資訊進行處理和分析資訊進行處理和分析，來對事物或者現象進行描述、辨認、分類以及解釋的過程。
混沌模式識別：對任意模式，系統都能夠正確地對這種模式進行分類，但系統的輸出並不穩定在這個模式上，而是會呈現出相應的動態特性。
混沌神經網路「不穩定」，不能通過有監督學習和無監督學習來研究。
混沌神經網路學習筆記六
任何乙個神經網路都包含三個重要構件 神經元模型 學習演算法和網路拓撲結構。為了降低神經元之間連線的複雜性，嘗試將adachi神經網路由完全耦合結構改為線性結構。一棵具有n個節點的樹僅有n 1條邊。修改後的網路拓撲結構變成 任意兩個神經元之間能通過生成樹聯絡起來，連線所有神經元的總邊數是n 1。改變了...
神經網路學習筆記
隱含層數越多，越容易擬合複雜函式 為了擬合複雜函式需要的隱含節點數目，基本上隨著隱含層數目的增加呈現指數下降的趨勢，也就是說層數越多，神經網路所需要的隱含節點可以越少。層數越深，概念越抽象，需要背誦的知識點 神經網路的隱含節點 就越少。但是，層數越多，容易出現過擬合以及引數難以除錯以及梯度瀰散的問題...
神經網路學習筆記
sigmoid函式是一種常見的擠壓函式，其將較大範圍的輸入擠壓到 0 1 區間內，其函式的表示式與形狀如下圖所示 該函式常被用於分類模型，因為其具有很好的乙個特性f x f x 1 f x 這個函式也會被用於下面的神經網路模型中做啟用函式。生物的神經網路系統中，最簡單最基本的結構是神經元。每個神經元...