神经网络设计教学大纲.doc

PAGE 1 PAGE 5 神经网络设计 Neural Network Design 一、课程基本信息 学 时：56 学　　分：3 考核方式：考查 中文简介：人工神经网络模型只是生物神经系统的一种高度简化后的近似。它是用大量的简单神经元广泛互连成的一种计算结构，属于非线性动力学系统.人工神经网络模型最初是为了探索和复制人脑处理日常事务的能力，例如说话、视觉、信息处理等，同时也有对实际相似的问题的分类且进行比较好的解释。 二、教学目的与要求 通过对本课程的教学，使学生学会分析研究神经网络模型的特性，。包括掌握基于神经网络模型的基本运算原理；神经元和神经网络简述；神经元和神经网络简述；神经元模型和网络结构；感知机学习规则。并初步掌握有监督的Hebb学习分析技术，Widrow-Hoff学习算法。反向传，BP算法，联想学习。培养学生的数据抽象能力，为今后学习打下坚实的基础。学生学习本课程应掌握的方法与技能。 学生通过学习该课程后主要应掌握掌握神经网络的基本原理和方法、各种网络模型的设计方法与性质、掌握常用神经网络模型的应用；能够运用神经网络模型的思想，针对不同应用问题，能够选择适当的神经网络模型算法，解决实际的问题。 三、教学方法与手段 在教学中将黑板、粉笔加教案的教学方法与多媒体教学相结合，将传统教学中不能直观表示的抽象概念、定理等通过图表、图像、动画等多媒体生动地表现出来，加深了学生的印象，使学生易于理解和掌握，激发学生的学习积极性，提高学生的学习兴趣；同时进行课堂提问和分组讨论，学生到黑板上做题并讲解等手段。 四、教学内容及目标 教学内容 教学目标 学时 分配 第一章 绪论 了解 1 重点与难点：什么是神经网络，生物神经元和神经网络简述；神经网络的基本结构；神经网络的含义、特点和应用。 衡量学习是否达到目标的标准: 学生能否独立完成课后习题 第二章 神经元模型和网络结构 2 第一节 神经元模型和网络结构的目的 理解 1 第二节 原理和实例 理解 1 重点与难点：神经元模型和网络结构。 衡量学习是否达到目标的标准: 学生能否独立完成课后习题 第三章 说明性实例 3 第一节 目的 理解 1 第二节 感知机 理解 1 第三节 Hamming网络 了解 1 重点与难点：感知机和Hamming网络模型 衡量学习是否达到目标的标准: 学生能否独立完成课后习题 第四章 感知机学习规则 8 第一节 学习规则 理解 1 第二节 感知机的结构 理解 1 第三节 感知机学习规则 掌握 1 实验一 感知机 掌握 5 重点与难点：学习规则、感知机的结构、感知机学习规则。 衡量学习是否达到目标的标准: 学生能否独立完成课后习题 第七章 有监督的Hebb学习 11 第一节 线性联想器 理解 2 第二节 Hebb规则 理解 2 第三节 仿逆规则 掌握 1 第四节 应用 了解 1 实验二 有监督的Hebb学习 掌握 5 重点与难点：感知机学习规则、Hebb规则、仿逆规则 衡量学习是否达到目标的标准: 学生能否独立完成课后习题 第九章 性能优化 4 第一节 最速下降法 理解 2 第二节 牛顿法 理解 1 第三节 共轭梯度法 掌握 1 重点与难点：最速下降法、牛顿法、共轭梯度法 衡量学习是否达到目标的标准: 学生能否独立完成课后习题 第十章 Hidrow-Hoff学习算法 11 第一节 ADALINE网络 掌握 2 第二节 均方误差 掌握 2 第三节 LMS算法 理解 2 实验三 Widrow-Hoff学习算法 理解 5 重点与难点：ADALINE网络、均方误差、LMS算法 衡量学习是否达到目标的标准: 学生能否独立完成课后习题 第十一章 反向传播 4 第一节 多层感知机 掌握 2 第二节 反向传播算法。 掌握 2 重点与难点：多层感知机、反向传播算法。 衡量学习是否达到目标的标准: 学生能否独立完成课后习题 第十二章 反向传播算法的变形 9 第一节 BP算法的缺点 掌握 2 第二节 BP算法的启发式改进。 掌握 2 实验四 BP网络及其改进BP网络实验 掌握 5 重点与难点：BP算法的缺点、BP算法的启民式改进。 衡量学习是否达到目标的标准: 学生能否独立完成课后习题 第十三章 联想学习 3 第一节 简单联想网络 掌握 0.5 第二节 无监督的HEBB规则 掌握 1 第三节 简单的识别网络 理解 0.5 第四节 instar规则 理解 1 重点与难点：无监督的HEBB规则、简单的识别网络。 衡量学习是否达到目标的标准: 学生能否独立完成课后习题 总学时（含实验） 45 实验教学内容 为配合理论教学需要，加强学生应用能力的培养，开设以下实验： 实验项目 实验类型