《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