《人工神經(jīng)網(wǎng)絡(luò)》課程教學(xué)大綱

《人工神經(jīng)網(wǎng)絡(luò)》教學(xué)大綱一、課程基本信息課程名稱人工神經(jīng)網(wǎng)絡(luò)ArtificialNeuralNetwork課程編碼SCC263121020開課院部理學(xué)院課程團(tuán)隊（未設(shè)置）學(xué)分2.0課內(nèi)學(xué)時32講授32實驗0上機(jī)0實踐0課外學(xué)時0適用專業(yè)本研一體化班（化學(xué)化工類）授課語言中文先修課程數(shù)學(xué)分析（2-1）、程序設(shè)計（C）、線性代數(shù)與解析幾何、數(shù)學(xué)分析（2-2）、數(shù)值計算方法課程簡介（限選）（課程簡介...）人工神經(jīng)網(wǎng)絡(luò)模型是生物神經(jīng)系統(tǒng)的一種高度簡化后的近似。它是用大量的簡單神經(jīng)元廣泛互連成的一種計算結(jié)構(gòu)，屬于自適應(yīng)非線性動力學(xué)系統(tǒng)，它具有學(xué)習(xí)、記憶、計算和各種智能處理功能。它在不同程度和層次上模仿人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)及信息處理、存儲和檢索等功能。人工神經(jīng)網(wǎng)絡(luò)是一門新興交叉科學(xué)，引起了許多領(lǐng)域科學(xué)家的高度重視，積極開展了大量研究工作，取得了不少突破性進(jìn)展。本課程的主要講授人工神經(jīng)網(wǎng)絡(luò)的基本概念、基本原理、典型神經(jīng)網(wǎng)絡(luò)模型的設(shè)計、訓(xùn)練算法、軟件實現(xiàn)以及實際應(yīng)用，為學(xué)生今后從事人工神經(jīng)網(wǎng)絡(luò)的研究和應(yīng)用打下基礎(chǔ)。(Courseintroduction...)Artificialneuralnetworkmodelisahighlysimplifiedapproximationofbiologicalnervoussystem.Itisacomputationalstructurewidelyinterconnectedwithalargenumberofsimpleneurons.Itbelongstoanadaptivenonlineardynamicsystemandhasthefunctionsoflearning,memory,computationandvariousintelligentprocessing.Itimitatesthestructureandinformationprocessing,storageandretrievalfunctionsofthehumanbrainnervoussystemindifferentdegreesandlevels.Artificialneuralnetworkisanewinterdisciplinaryscience,whichhasattractedgreatattentionofscientistsinmanyfields,activelycarriedoutalotofresearchworkandmademanybreakthroughprogress.Thiscoursemainlyteachesthebasicconceptsandprinciplesofartificialneuralnetworks,thedesignoftypicalneuralnetworkmodels,trainingalgorithms,softwareimplementationandpracticalapplications,itlaysafoundationforstudentstoengageintheresearchandapplicationofartificialneuralnetworksinthefuture.負(fù)責(zé)人大綱執(zhí)筆人審核人二、課程目標(biāo)序號代號課程目標(biāo)OBE畢業(yè)要求指標(biāo)點任務(wù)自選1M1目標(biāo)1：了解人工神經(jīng)網(wǎng)絡(luò)基本構(gòu)造和基本模型是2M2目標(biāo)2：掌握神經(jīng)網(wǎng)絡(luò)的基本特征和性質(zhì)，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則、運行方式、編程實現(xiàn)等是3M3目標(biāo)3：了解深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型的核心思想及實習(xí)方式，掌握長短時記憶神經(jīng)網(wǎng)絡(luò)和深度卷積神經(jīng)網(wǎng)絡(luò)是三、課程內(nèi)容序號章節(jié)號標(biāo)題課程內(nèi)容/重難點支撐課程目標(biāo)課內(nèi)學(xué)時教學(xué)方式課外學(xué)時課外環(huán)節(jié)1第1章緒論本章重點與難點：人工神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)與模型，了解主要研究內(nèi)容與發(fā)展方向。M1////21.11.1人工神經(jīng)網(wǎng)絡(luò)概述人工神經(jīng)網(wǎng)絡(luò)的基本概念，研究歷史，應(yīng)用領(lǐng)域，主要研究內(nèi)容和發(fā)展方向。M11講授0作業(yè)31.21.2人工神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)與模型生物神經(jīng)元的結(jié)構(gòu)與功能，人工神經(jīng)元模型，神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及工作方式，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)的特點及其應(yīng)用。M11講授、討論0作業(yè)41.31.3MATLAB神經(jīng)網(wǎng)絡(luò)工具箱快速入門MATLAB界面組成，MATLAB基本運算，MATLAB繪圖函數(shù)，神經(jīng)網(wǎng)絡(luò)工具箱簡介M11講授0編寫程序5第2章感知器本章重點與難點：感知器的結(jié)構(gòu)、學(xué)習(xí)規(guī)則和訓(xùn)練過程。M1////62.12.1單層感知器的結(jié)構(gòu)和學(xué)習(xí)規(guī)則單層感知器的結(jié)構(gòu)、圖形解釋和學(xué)習(xí)算法。M11講授0作業(yè)72.22.2單層感知器的訓(xùn)練過程及其局限性單層感知器的MATLAB實現(xiàn)，單層感知器的訓(xùn)練過程舉例，異或問題，局限性分析。M12講授0作業(yè)8第3章反向傳播網(wǎng)絡(luò)（BP網(wǎng)絡(luò)）本章重點與難點：BP網(wǎng)絡(luò)的結(jié)構(gòu)、學(xué)習(xí)算法及改進(jìn)、程序?qū)崿F(xiàn)。M2////93.13.1BP網(wǎng)絡(luò)模型與結(jié)構(gòu)誤差反傳訓(xùn)練算法，學(xué)習(xí)規(guī)則，MATLAB實現(xiàn)及訓(xùn)練過程舉例。M22講授0作業(yè)103.23.2基本BP算法優(yōu)缺點及算法改進(jìn)隱含層數(shù)和層內(nèi)單元(節(jié)點)數(shù)的確定，動態(tài)學(xué)習(xí)率，動量項。M22講授0作業(yè)113.33.3BP神經(jīng)網(wǎng)絡(luò)設(shè)計與實例分析基于BP算法的ANN網(wǎng)絡(luò)在控制領(lǐng)域中的應(yīng)用M22講授0作業(yè)12第4章徑向基函數(shù)網(wǎng)絡(luò)（RBF網(wǎng)絡(luò)）本章重點與難點：徑向基函數(shù)網(wǎng)絡(luò)的結(jié)構(gòu)、學(xué)習(xí)算法和程序?qū)崿F(xiàn)。M2////134.14.1徑向基函數(shù)的數(shù)學(xué)基礎(chǔ)M22講授0作業(yè)144.24.2徑向基函數(shù)網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)算法分析及MATLAB實現(xiàn)M22講授0作業(yè)154.34.3徑向基函數(shù)的應(yīng)用實例M22講授0作業(yè)16第5章反饋式神經(jīng)網(wǎng)絡(luò)本章重點與難點：Hopfield神經(jīng)網(wǎng)絡(luò)工作原理、Hopfield神經(jīng)網(wǎng)絡(luò)能量函數(shù)M2////175.15.1Hopfield神經(jīng)網(wǎng)絡(luò)M22講授0作業(yè)185.25.2全遞歸神經(jīng)網(wǎng)絡(luò)M22講授0作業(yè)194.35.3Elman神經(jīng)網(wǎng)絡(luò)M22講授0作業(yè)20第6章深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)本章重點與難點：特征粒度、淺層特征提取、結(jié)構(gòu)性特征、長短時記憶神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)M3////216.16.1自編碼器M32講授0作業(yè)226.26.2深度信念網(wǎng)絡(luò)M32講授0作業(yè)236.36.3長短時記憶神經(jīng)網(wǎng)絡(luò)M32講授0作業(yè)246.46.4深度卷積神經(jīng)網(wǎng)絡(luò)M32講授0作業(yè)四、考核方式序號考核環(huán)節(jié)操作細(xì)節(jié)總評占比1平時作業(yè)1.每周布置2-3道基于Matlab編程實現(xiàn)神經(jīng)網(wǎng)絡(luò)模型相關(guān)的題目，平均每次課1道題以上。2.成績采用百分制，根據(jù)作業(yè)完成準(zhǔn)確性、是否按時上交、是否獨立完成評分。30%2大作業(yè)1.本課程要求利用Matlab等編程語言，設(shè)計出解決分類、回歸、預(yù)測問題的神經(jīng)網(wǎng)絡(luò)模型。2.根據(jù)模型建立情況、方案設(shè)計和模型性能進(jìn)行評分。3.課程學(xué)習(xí)內(nèi)容綜述。60%3考勤隨機(jī)點名、刷卡點名等5%4課堂表現(xiàn)隨機(jī)檢查學(xué)生上課精神狀態(tài)、回答問題情況5%五、評分細(xì)則序號課程目標(biāo)考核環(huán)節(jié)大致占比評分等級1M1平時作業(yè)50%A-按時提交作業(yè)，神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)、模型，研究歷史，應(yīng)用領(lǐng)域，Matlab神經(jīng)網(wǎng)絡(luò)工具箱使用，感知器模型理解等基本無誤。B-按時提交作業(yè)，神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)、模型，研究歷史，應(yīng)用領(lǐng)域，Matlab神經(jīng)網(wǎng)絡(luò)工具箱使用，感知器模型理解等存在少量錯誤。2M1考勤50%A-無缺勤。B-缺勤1次及以上且不參加課堂討論。3M2平時作業(yè)30%A-按時提交作業(yè)，BP神經(jīng)網(wǎng)絡(luò)，RBF神經(jīng)網(wǎng)絡(luò)，反饋神經(jīng)網(wǎng)絡(luò)模型等基本知識點理解無誤。B-按時提交作業(yè)，BP神經(jīng)網(wǎng)絡(luò)，RBF神經(jīng)網(wǎng)絡(luò)，反饋神經(jīng)網(wǎng)絡(luò)模型等基本知識點理解存在少量錯誤。4M2大作業(yè)60%（見大作業(yè)具體實施細(xì)則）5M2考勤5%A-無缺勤。B-缺勤1次及以上且很少參加課堂討論。6M2課堂表現(xiàn)5%A:精神狀態(tài)飽滿，緊跟老師思路，回答問題準(zhǔn)確，無遲到和缺勤情況；B:精神狀態(tài)良好，問題回答較好，無遲到和缺勤情況；C:精神狀態(tài)一般，問題回答一般，無缺勤，偶爾有遲到情況；D：精神狀態(tài)較差，上課不活躍。回答問題有誤，有遲到或缺勤現(xiàn)象。7M3平時作業(yè)30%A-按時提交作業(yè)，特征提取，自編碼器，深度信念網(wǎng)絡(luò)，長短時記憶神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)等基本知識點理解無誤。B-按時提交作業(yè)，特征提取，自編碼器，深度信念網(wǎng)絡(luò)，長短時記憶神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)等基本知識點理解存在少量錯誤。8M3大作業(yè)60%（見大作業(yè)具體實施細(xì)則）9M3考勤5%A-無缺勤。B-缺勤1次及以上且很少參加課堂討論。10M3課堂表現(xiàn)5%A:精神狀態(tài)飽滿，緊跟老師思路，回答問題準(zhǔn)確，無遲到和缺勤情況；B:精神狀態(tài)良好，問題回答較好，無遲到和缺勤情況；C:精神狀態(tài)一般，問題回答一般，無缺勤，偶爾有遲到情況；D：精神狀態(tài)較差，上課不活躍?；卮饐栴}有誤，有遲到或缺勤現(xiàn)象。評分等級說明：[A,B,C,D,E]=[90-100,80-89,70-79,60-69,0-59];[A,B,C,D]=[90-100,75-89,60-74,0-59];[A,B,C]=[90-100,75-89,60-74,0-59];[A,B]=[80-100,0-79]六、教材與參考資料序號教學(xué)參