还剩3页未读,继续阅读
文本内容:
神经网络方法课程教学大纲
一、课程基本信息课程编号201411232课程中文名称神经网络方法课程英文名称Neural NetworkMethods课程性质专业选修课开课专业数学与应用数学开课学期7总学时36其中理论28学时,实验8学时总学分
1.5
二、课程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,是80年代中期以来迅速发展和崛起的一个新研究领域,它是研究模拟人脑的结构、思维和智能的一门新兴学科,无论是高等学校、科学研究机关和大型企业集团都在竞相开发神经网络及其应用技术,并已经形成了一股强大的研究潮流至今,国内外人工神经网络的研究仍然方兴未艾,其研究成果已被用于许多学科领域,如模式识别、故障检测、市场分析、决策优化、非线性系统辨识和控制等众多学科通过本课程的教学,使学生掌握人工神经网络的基本概念、原理和方法,尤其是人工神经网络的设计概念与方法;学会设计神经网络模型去解决实际问题,了解人工神经网络的发展动向和应用前景;培养学生能具有较强的分析能力和演绎推理能力、科学计算、编程及熟练使用工具及专业软件的能力;使愿意将理论应用于实际的学生,找到一个理论研究和实际应用相结合的突破点
三、教学基本要求主要通过课堂教学,并结合上机实验,达到以下要求1掌握人工神经网络的基本概念和特征;2掌握神经网络的基本学习规则;3掌握感知器网络、BP网络、Hopfied网络、ART、CMAC、RBF网络等几种典型的神经网络的基本结构、基本原理、学习算法、工作方式及其应用;4了解人工神经网络最新研究进展;5能够用神经网络解决简单的问题,并用程序实现
四、教学内容与学时分配人工神经网络技术及应用课程的总教学学时为32学时,理论教学学时为24学时,其教学内容与学时分配如下1概述,2学时主要内容1人工神经网络研究概念以及研究的内容2人工神经网络的研究进展、热点和应用方向3人工神经网络计算和传统计算的比较4研究人工神经网络的意义重点人工神经网络的基本概念和特征难点人工神经网络计算和传统计算的比较2人工神经网络的基本结构和基本原理和学习规则4学时1人工神经网络构成的基本原理和功能2人工神经网络的分类、工作过程和模型3神经网络常用的学习规则重点人工神经网络基本原理和学习规则难点学习规则的理解3多层前馈神经网络,6学时1简单感知机模型、学习算法及其局限性2多层感知器的Delta学习规则3上机应用感知器解决简单的分类问题重点感知机模型的学习算法和局限性难点多层感知器4误差反传训练算法及其改进和应用,6学时1误差反传训练算法2BP算法的若干改进3隐含层数和层内单元节点数的确定4BP算法的应用5上机BP算法求解非线性分类问题的实现重点BP网络的学习算法难点BP网络的编程实现5自组织神经网络模型,2学时1竞争学习2基于自适应谐振理论ART构成的自组织神经网络重点竞争学习机制难点ART自组织神经网络工作原理6Hopfield神经网络模型及其算法实现,4学时1离散Hopfield网络结构、模型及其收敛原理2连续Hopfield网络结构、模型3利用Hopfield网络解决TSP问题的求解重点离散Hopfield问题的原理,连续Hopfield的原理及应用难点连续Hopfield的原理及应用7径向基函数神经网络模型,4学时lRBF网的生理学基础和数学基础2RBF网的学习算法和学习动态3RBF网的应用4上机用RBF网进行简单的拟合重点RBF网络的原理及实现难点RBF网络的实现8CMAC神经网络模型,4学时lCMAC网的生理学基础和数学基础,2CMAC网的学习算法和学习动态3上机实现如何用CMAC网进行简单的拟合运算重点CMAC网络的结构以及计算方法难点CMAC网络的原理9人工神经网络与其他算法的混合应用,4学时介绍人工神经网络与其它智能算法的应用,包括与遗传算法、粒子群算法、蚁群算法等算法的混合应用五教学方法及手段含现代化教学手段及研究性教学方法本门课程主要采用讲授及研讨式的教学模式,教学过程中使用多媒体辅助六实验或上机内容实验一感知器模型解决逻辑运算问题2学时神经网络工具箱的集成环境与基本操作命令其实验内容是让学生通过上机熟悉MATLAB下神经网络工具箱的使用方法,并利用感知器模型实现最基本的逻辑运算实验二应用BP网络解决分类问题2学时实验内容是使学生通过上机操作,加深对BP算法的理解,并能够使用BP算法解决非线性分类问题实验三径向基函数解决函数逼近问题2学时实验内容是通过上机操作,使学生对RBF网络的原理有更深刻的了解,并能够利用RBF网络实现函数逼近问题实验四CMAC网络解决非线性拟合问题2学时实验内容是通过上机操作,使学生对CMAC网络的原理有更深刻的了解,并能够利用CMAC网络实现非线性拟合问题七前续课程、后续课程(5号宋体)(要与课程配置流程图中的前续课程、后续课程保持一致)前续课程微积分、概率论与数理统计、matlab或C语言
八、参考教材及学习资源
[1]韩力群.人工神经网络教程.北京北京邮电大学出版社,2006年
[2]吴岸城.神经网络与深度学习,北京电子工业出版社,2016年
[3]Martin T.Hagan NeuralNetwork Design.2002年
[4]Simon Haykin著,申富饶等译.神经网络与机器学习.北京机械工业出版社,2011年
[5]吴简彤,王建华.神经网络技术及其应用.哈尔滨哈尔滨工程大学出版社,1997年
九、考核方式教学基本要求项考核形式占总成绩的比例
3、5上机实验及实验报告30%
3、5大作业40%⑴、⑵、4课堂讨论、课堂作业30%撰写人签字院(系)教学院长(主任)签字:。