文本内容:
《人工神经网络模型、算法及应用》课程教学大纲授课专业计算机科学与技术、网络工程、软件工程、人工智能、智能科学与技术等学时数64学分数4(备注如果是48学时的课程可根据实际情况调整学时)
一、课程的性质和目的本课程是计算机科学与技术、软件工程、网络工程、人工智能、智能科学与技术等专业本科生的专业选修课程本课程的任务包括感知机、多层前馈神经网络、正则化理论、极速学习机、形态神经网络、自组织映射、卷积神经网络、生成对抗网络、长短时记忆网络和模糊神经网络等通过本课程学习,使学生对人工神经网络的发展概况、基本原理和应用领域有初步了解,对主要技术及应用有一定掌握,启发学生对人工神经网络的兴趣,培养知识创新和技术创新能力
三、课程教学的基本要求本课程的教学环节包括课堂讲授,学生自学,课堂讨论课,习题讨论课,练习答疑,课堂测验和期末考试通过上述基本教学步骤,掌握人工神经网络的基本概念、基本方法、基本模型和学习算法,会用经典神经网络模型及学习算法求解实际问题本课程课内64学时,考核方式为闭卷考试
三、课程教学内容第一章绪论(6学时)人工神经网络的定义、发展历史、生理学机理、人工神经元模型、拓扑结构、学习算法等基础知识第二章感知机(4学时)感知机基本原理、学习算法及其应用实例第三章多层前馈神经网络(8学时)多层前馈神经网络的基本原理的拓扑结构、学习算法和应用实例第四章正则化理论(4学时)不同正则化理论、相应神经网络及应用第五章极速学习机(4学时)不同极速学习机模型、支持向量机及其应用实例第六章形态神经网络(4学时)形态神经网络的模型结构、学习算法、鲁棒性分析及其应用实例第七章自组织映射(4学时)自组织映射和核自组织映射的基本原理及其应用第八章卷积神经网络(10学时)典型卷积神经网络的模型结构和基本原理,几种卷积神经网络的变体及其实际应用第九章生成对抗网络(8学时)生成对抗网络、自注意进制生成对抗网络、进化生成对抗网络、对抗迁移学习和对抗领域自适应等网络模型结构、生成对抗网络的学习算法、训练技巧和实际应用第十章长短时记忆网络(4学时)长短时记忆网络和递归神经网络模型、学习算法及其应用第十一章模糊神经网络(8学时)模糊集合和模糊逻辑的基本概念和运算、模糊神经网络的结构、性能分析、学习算法以及应用案例
四、建议教材与教学参考书书名《人工神经网络模型、算法及应用》作者何春梅出版社电子工业出版社。