《神经网络技术》课程教学大纲（本科）.docxVIP

本科课程教学大纲 《神经网络技术》课程教学大纲 课程编号：04206 课程名称：神经网络技术 英文名称：Neural Network Technology 课程类型：学科基础课课程要求：必修 学时/学分：32/2 （授课：28 学时；上机实验：4 学时）适用专业：智能科学与技术 一、课程的性质与任务性质 人工神经网络是一门新兴交叉学科，它从人脑的生理结构出发，探讨人类智能活动的机理，对人类智能进行模拟。随着对人脑生物神经网络的深入了解，人工神经网络的研究获得了长足发展。自 20 世纪 80 年代中后期以来，人工神经网络网络模型、网络的拓扑结构、学习算法和运行机制等方面取得了很多突破性进展。人工神经网络在组合优化、模式识别、图像处理、自动控制、机器人控制、信号处理等应用领域也获得了成功，显示出了巨大的潜力。本课程系统讲解人工神经网络基本理论及其应用，包括人工神经网络基础、自适应神经网络模型、误差反向传播神经网络、动态网络 Hopfield 神经网络和随机网络 Boltzmann 机等。人工神经网络是最具有应用前景的智能方法和技术之一，对于培养学生在智能控制和智能机器人等复杂工程领域内从事分析、设计和开发工作具有重要的作用。（支持毕业要求中的 1.3、 2.2、3.1、4.3、5.2、10.1） 二、课程与其他课程的联系 课程的先导工具课程主要为高等数学、线性代数、普通物理、模拟电子技术和数字电子技术，可以为智能控制、智能机器人等课程提供工具以解决其中的智能控制方法、信息处理、优化和决策等问题。 三、课程教学目标 掌握人工神经网络的基本概念、模型及其建立。（支持毕业要求中的 1.3，2.2，3.1） 掌握早期的人工神经网络自适应模型和感知学习。（支持毕业要求中的 3.1，4.3， 5.2） 掌握误差反向传播神经网络 BP 算法及相关应用。（支持毕业要求中的 3.1，4.3，5.2） 4．掌握动态网络—Hopfield 神经网络的相关概念和方法，能应用 Hopfield 神经网络解 决优化问题。（支持毕业要求中的 3.1，4.3，5.2） 掌握随机网络—Boltzmann 机相关概念和方法。（支持毕业要求中的 3.1，4.3，5.2） 学习和掌握神经网络在建立模型、辨识和优化等领域的应用方法。（支持毕业要求中的 10.1） 四、教学内容、基本要求与学时分配 序号 教学内容 教学要求 学时 教学方式 对应课程教学目标 1 一、绪论 了解人工神经网络的基本概念、发展历史； 了解人工神经网络的特点、功能与应用； 了解人工神经网络的研究内容和方法； 了解人工神经网络与人工智能和传统计算的联系。 2 讲授 1 1.人工神经网络的概念 2.人工神经网络的发展历史 3.人工神经网络的特点 4.人工神经网络的信息处理能力 5.人工神经网络的功能 6.人工神经网络的应用 7.人工神经网络的主要研究方向 8.人工神经网络与人工智能 9.人工神经网络与传统计算 2 二、人工神经网络基础 了解人工神经网络的建模过程和方法； 了解和掌握人工神经网络的基本模型和学习算法。 2 讲授 1,2 1.生物神经系统 2.人工神经元模型 3. M-P 模型 4.人工神经网络的互连结构 5.人工神经网络的学习 3 三、早期的自适应神经网络 感知机 自适应线性元件 掌握自适应网络模型； 掌握学习算法。 4 讲授 1,2 4 四、误差反向传播神经网络 误差反向传播神经网络的提出 误差反向传播神经网络结构 三层神经网络模型； 掌握误差反向传播学习算法； 6+2 讲授+上机实验 1,2,3,4, 5 3.误差反向传播神经网络处理单元模型 3.学习误差反向传播学习算法的改进算法； 误差反向传播学习算法 误差反向传播学习算法的数学基础 4.掌握误差反向传播学习算法在数字识别等方面的应用； 误差反向传播学习算法的改进 隐含层的特征抽取作用 误差反向传播神经网络应用实例 5.学生对 BP 算法编程，来解决非线性函数的拟合问题。 上机实验 1：BP 神经网络的非线性函数拟合 5 五、Hopfield 神经网络 1.掌握Hopfield神经网络 6 讲授 1,2,3,4, 1.离散型 Hopfield 神经网络 中所涉及的收敛性等重 5 2.连续型 Hopfield 神经网络 要概念； 3. Hopfield 神经网络应用实例 2.掌握离散型Hopfield神 经网络模型和学习算法； 3.掌握连续型Hopfield神 经网络模型和学习算法； 4.掌握Hopfield神经网络 在旅行商问题的应用； 5.离散Hopfield神经网络 的联想记忆—数字识别。 6 六、Boltzmann 机 1.随机型神经网络的提出 1.掌握Boltzmann分布等概念； 8+2 讲授+上机实 1,2,3,4