深入探析深圳大学课程教学大纲.docVIP

深圳大学课程教学大纲 课程编号: 课程名称: 人工神经网络技术 开课院系: 计算机与软件学院 软件工程系 制订(修订)人: 朱安民 审核人: 批准人： 2012年9月 2 日制(修)订 课程名称: 人工神经网络技术 英文名称: Artificial Neural Network technology 总 学 时: 54 其中实验课 18 学时 学 分: 2.5 先修课程: 高等数学、计算机程序设计 教 材: [1] 自编及课堂讲义 [2]史忠植，神经网络，高等教育出版社，2009.5 参考教材: [1] 蒋宗礼，人工神经网络导论，清华大学出版社，2001.8 [2] 高隽，人工神经网络原理及仿真实例，机械工业出版社，2003.8 [3] Simon Kaykin, Neural Networks – A comprehensive Foundation, Second Edition, 2004.1 授课对象: 计算机软件 专业 3 年级 课程性质: □综合必修 □专业必修 ■专业选修 □全校公选 教学目标: 通过《人工神经网络 课程简介: 《人工神经网络 2．单层前向网络及LMS学习算法 单层感知器(Perseptron)的结构，感知器的学习规则及其训练，感知器的局限性，线性可分性与异或问题，自适应线性元件(Adaline) 的模型及训练，最小均方差（LMS）算法及其步骤。要求学生基本掌握单层前向网络及LMS学习算法。 3．多层层前向网络及BP学习算法 多层感知器(Multilayer Perceptrons) 的结构，BP网络的模型，BP学习规则，反向传播网络的训练和设计，BP网络的不足及其改进算法：附加动量法、自适应学习速率法、拟牛顿法等，多层感知器与径向基网络（RBF）的比较。多层层前向网络及BP学习算法在学生自主创业中的帮助和启发。要求学生基本掌握多层层前向网络及BP学习算法。 4．统计学与支持向量机（SVM）及其算法 统计学理论，线性支持向量机和非线性支持向量机的机理，利用支持向量机解决分类问题的学习算法。要求学生基本掌握支持向量机算法。 5．神经动力学和反馈神经网络 神经动力学的基本概念，神经动力学的稳定性分析，Hopfield网络模型及其应用，Shunting网络模型及其应用。反馈神经网络作为一种工具，在学生自主创业中的帮助和启发。要求学生基本掌握神经动力学和反馈神经网络，并能够实际应用。 6．随机神经网络及模拟退火算法（Simulated Annealing） 典型的随机神经网络模型：Boltzmann机的网络结构、工作原理、运行步骤、学习规则，模拟退火算法的原理和应用于组合优化问题。要求学生基本掌握模拟退火算法，并能够实际应用。 7．竞争神经网络 Hamming网络模型及其学习算法，自组织映射网络（SOM）模型、学习算法、及应用实例。竞争神经网络在学生自主创业中的帮助和启发。要求学生基本掌握SOM模型，并能够实际应用。 8．其它神经网络模型简介 几种常用的神经网络的介绍，包括ART网络、Fuzzy ART MAP网络、神经模糊（Neuro-Fuzzy Network）网络、小波神经网络（Wave NN）以及先进计算智能学。要求学生一般了解这几种常用的神经网络模型。 学时分配： 章节 主要内容 各教学环节学时分配 备注 讲授 实验 讨论 习题 小计 1 人工神经网络概述 4 2 6 2 单层前向网络及LMS学习算法 4 2 6 3 多层前向网络及BP学习算法 6 4 2 12 4 统计学与支持向量机 2 2 5 神经动力学和反馈神经网络 4 4 2 10 6 随机神经网络及模拟退火算法 2 2 7 竞争神经网络 4 4 2 10 8 其它神经网络模型简介 4 2 6 合计 32 18 4 54 考试与成绩评定方式： 本课程的考核分为平时成绩（作业和出勤）以及期末考试两部分，其中期末考试为开卷考试。总成绩按以下公式计算： 总成绩＝平时成绩×50%＋期末成绩×50%