類神經網路
類神經網路（neural network）由許多簡單的運算單元（神經元）平行連結而成，靈感來自生物的神經系統。網路的功能主要由神經元之間的連結強度（權值）決定；給網路看大量的例子並調整權值，就能讓它學會分類、預測、近似非線性函數等工作。（說明為補充）
基本觀念 Fundamentals
簡介Introduction：監督式與非監督式學習、批次與逐筆訓練
應用Application：四大類應用
簡單神經元Simple Neuron：權值、偏權值、轉移函數
向量輸入與多層網路Neuron With Vector Input：矩陣寫法、單層與多層
感知器 Perceptron
感知器神經元模型Perceptron Neuron Model
建立感知器Creating Perceptron（newp）
模擬Perceptron Simulation（sim）
初始化Perceptron Initialization（init）
學習規則Perceptron Learning Rule（learnp）
訓練Training（train）
工具與範例 Tools and Examples
▶ 在 Colab 開啟原課程的 MATLAB 程式已改寫成 Python 筆記本（newp、sim、init、train 指令，AND 閘與倒傳遞網路的 .mat 檔與 Simulink 模型），可以直接在瀏覽器執行、修改參數。⬇ 下載 NN.ipynb
參考書籍 References
- Bart Kosko, Neural Networks for Signal Processing.
- 羅華強，《類神經網路——Matlab 的應用》。
- 周鵬程，《類神經網路入門——活用 Matlab》。
- 葉怡成，《類神經網路模式應用與實作》。
- The MathWorks, Neural Network Toolbox for Use with Matlab: User's Guide.
原講義第 1 本的作者寫作「Bark Kosko」，應為 Bart Kosko。