《人工神经网络》课程教学大纲 |
您所在的位置:网站首页 › 人工神经网络理论及应用答案 › 《人工神经网络》课程教学大纲 |
《人工神经网络》课程教学大纲 课程名称:人工神经网络 课程类别:专业选修课 适用专业:电子信息工程 考核方式:考查 总学时、学分:24学时1.5学分 一、 课程性质、教学目标 人工神经网络是目前国际上一门发展迅速的前沿交叉学科。它是模拟生物神经结构的新型计算机系统,目前已有广泛的应用。该课程作为人工神经网络的入门课程,用于将学生引入人工神经网络及其应用的研究领域,旨在理论和技术上深入介绍人工神经网络理论、模型及其应用,内容包括生物神经元及生物神经网络,人工神经网络及其发展与现状,常用神经网络原理与学习算法。其具体的课程教学目标为: 课程教学目标1:通过理论教学,使学生对于人工神经网络的发展有较全面的了解,能够掌握人工神经网络的基本概念、感知机的基本结构和学习规则、BP神经网络算法和卷积神经网络等相关知识。 课程教学目标2:通过实验教学,使学生能够进一步体会有关模型的用法和性能,获取一些初步的实践经验,将所学的知识与自己未来的研究课题相结合起来,达到既丰富学习内容,又有一定的研究和应用的目的,为他们今后从事人工神经网络的研究和应用打下一定的基础。 课程教学目标与毕业要求对应的矩阵关系 教学目标 毕业要求 1 2 3 4 5 6 7 8 教学目标1
H M
L
教学目标2
H H H M
二、 课程教学要求 对于本课程的学习,要求学生具备:数理统计、线性代数、高级语言程序设计等方面的基础知识。掌握人工神经网络的基本概念和特征;掌握神经网络的学习规则和最简单的感知器;了解基本的三类网络——前馈网络(感知机)、竞争网络(Hamming网络)和动态联想存储器网络(Hopfield网络)的基本原理;掌握误差反向传播算法;掌握卷积神经网络的结构和工作原理。 三、 先修课程 算法与数据结构、高等数学、线性代数、程序设计基础。 四、 课程教学重、难点 本课程的教学重点是神经网络的优越性,神经元模型及各种传输函数,单层感知机和多层感知机的结构和学习规则,BP网络算法,和卷积神经网络结构核心模块;难点是Hamming网络和Hopfield网络理论,BP网络算法及应用。 五、 课程教学方法与教学手段 本课程以课堂教学为主,结合实例分析相结合。 六、 课程教学内容 第一章 绪论(2学时) 1.教学内容 (1) 神经网络发展史; (2) 什么是神经网络; (3) 神经网络的组成与分类; (4) 神经网络的应用范围。 2.重、难点提示 (1) 重点是掌握神经网络的含义; (2) 难点是神经网络的基本组成与分类。 第二章 神经元模型和网络结构(3学时) 1.教学内容 (1) 神经网络方面常用的符号; (2) 神经元模型; (3) 网络结构。 2.重、难点提示 (1) 重点是神经网络的模型; (2) 难点是网络结构。 第三章 一个实例说明(4学时) 1.教学内容 (1) 问题的描述; (2) 感知机; (3) Hamming网络; (4) Hopfield网络。 2.重、难点提示 (1) 重点是感知机的工作原理; (2) 难点是Hamming网络和Hopfield网络。 第四章 感知机学习规则(5学时) 1.教学内容 (1) 学习规则; (2) 感知机的结构; (3) 感知机学习规则。 2.重、难点提示 (1) 重点是感知机的结构; (2) 难点是感知机学习规则。 第五章 反向传播网络(5学时) 1.教学内容 (1) 多层感知机; (2) 反向传播算法(BP算法); (3) 举例来说明。 2.重、难点提示 (1) 重点是多层感知机的概念; (2) 难点是BP算法。 第六章 卷积神经网络(5学时) 1.教学内容 (1) 卷积神经网络的基本概念和结构; (2) 卷积神经网络的核心模块——卷积流(即卷积、池化、非线性和批量归一化等操作)。 2.重、难点提示 (1) 重点是卷积神经网络的结构和卷积流; (2) 难点是卷积、池化、非线性和批量归一化等操作。 七、 学时分配 章目 教学内容 教学环节 理论教学学时 实验教学学时 一 绪论 2 0 二 神经元模型和网络结构 3 0 三 一个实例说明 4 0 四 感知机学习规则 5 0 五 反向传播网络 5 0 六 卷积神经网络 5 0 总计
24 0 八、 课程考核方式 1.考核方式: 笔试;开卷 2.成绩构成 期末成绩+平时成绩 九、 选用教材和参考书目 [1]《神经网络设计》(第一版),Martin T.Hagan等著,戴葵等译,机械工业出版社,2002年; [2]《人工神经网络导论》(第一版),蒋宗礼编,高等教育出版社,2008年; [3]《人工神经元及其应用》(第一版),袁曾任编,清华大学出版社,2000年; [4]《人工神经网络理论、设计及应用》(第二版),韩力群编,化学工业出版社,2007年; [5]《人工神经网络原理》(第一版),马锐编,机械工业出版社,2010年; [6]《深度学习、优化与识别》(第一版),焦李成等编,清华大学出版社,2017年 [7]《Neural Networks and Learning Machines》(3rh Edition),Simon Haykin著,Pearson,2008年。
|
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |