《模式识别》教学大纲.docxVIP

《模式识别》课程教学大纲（三号黑体） 一、课程基本信息（四号黑体） 英文名称 课程性质 Pattern Recognition 跨专业选修课程 课程代码 授课对象 MEAU3070 机械工程 学 分 指定教材 2 模式识别 张学工 清华大学出版社 学 时 45 二、课程目标（四号黑体） （一）总体目标：（小四号黑体） 《模式识别》为机械工程跨专业选修课程，课程旨在为学生提供一个理解模式识别学科全貌的入门介绍，使学生能够对人工智能模式识别在机械工程领域的应用与发展形成整体认识，了解学科的历史发展、研究领域和主要问题，为专业学习和后续课程的学习打下必要的基础。在专业态度上养成良好的技术意识，并在一定程度上明确今后专业学习的方向和良好的学习目标，为个人专业的职业发展提供导向。 （二）课程目标：（小四号黑体） 通过本课程的学习，使学生掌握模式识别与机器学习领域中的基本概念和典型算法，如 贝叶斯机器学习、概率图模型、支持向量机、深度学习、聚类、强化学习等，掌握从事模式识别与机器学习研究的基本理念，提高学生综合运用所学知识解决问题的能力，特别是对数 据进行处理和分析的能力 课程目标 1：通过对模式识别历史发展的学习，理解技术变革，形成智能化推进发展的重要意义与价值。 课程目标 2：通过对模式识别技术帮助解决机械传统工程问题，掌握基础知识和基本理论，了解现状与未来发展趋势。 课程目标 3：通过对技术支持学习的体验，通过小组合作、项目歇息等学习方式参与， 理论联系时间，提升自主学习能力、合作意识、沟通能力。提升专业素养与思路。（要求参 照《普通高等学校本科专业类教学质量国家标准》，对应各类专业认证标准，注意对毕业要 求支撑程度强弱的描述，与“课程目标对毕业要求的支撑关系表一致）（五号宋体） 课程目标课程子目标对应课程内容对应毕业要求（三）课程目标与毕业要求、课程内容的对应关系（小四号黑体） 表 课程目标 课程子目标 对应课程内容 对应毕业要求 课程目标 1 1 第一章-第四章 2-1-1 课程目标 2 2 第五章-第七章 4-1-1 课程目标 3 3 实践 5-1-1 …… …… （大类基础课程、专业教学课程及开放选修课程按照本科教学手册中各专业拟定的毕业要求填写“对应毕业要求”栏。通识教育课程含通识选修课程、新生研讨课程及公共基础课程，面向专业为工科、师范、医学等有专业认证标准的专业，按照专业认证通用标准填写“对 应毕业要求”栏；面向其他尚未有专业认证标准的专业，按照本科教学手册中各专业拟定的 毕业要求填写“对应毕业要求”栏。） 三、教学内容（四号黑体） 第一章 绪论与概述 明确模式识别与机器学习的含义，感受它与人类智慧的联系；理解几类典型机器学习系统的计算流程；了解部分前沿研究方向，体会模式识别与机器学习领域的魅力。 第二章贝叶斯学习基础 掌握贝叶斯公式在机器学习中的应用思路；能够熟练运用贝叶斯决策方法；明确分类器相关的基本概念；掌握基于高斯分布的贝叶斯分类器；理解朴素贝叶斯分类器；能够熟练运用各种参数估计方法。 第三章 逻辑回归 掌握线性回归及其模型求解方法；理解贝叶斯线性回归；掌握逻辑回归及其模型求解方法；理解贝叶斯逻辑回归。 第四章概率图模型基础 明确判别式和生成式概率图模型的区别；掌握有向图模型的模型表示、条件独立性刻画， 理解常见的有向图模型；掌握无向图模型的模型表示、条件独立性刻画，理解常见的无向图 模型；掌握对树状结构因子图进行推理的和积算法和最大和算法。 第五章支持向量机 理解大间隔原理；掌握基本的支持向量机分类模型；能够熟练运用拉格朗日对偶优化技术；掌握数据线性不可分情形下的分类模型，以及核方法的建模原理；理解支持向量机回归的原理；了解支持向量机的模型扩展。 第六章人工神经网络与深度学习 掌握感知机模型和学习算法；掌握多层神经网络模型和误差反向传播训练算法；理解深度神经网络的典型挑战问题；能够熟练运用至少两种常见的深度神经网络。 第七章聚类分析 理解聚类的两大类方法；掌握K-均值聚类方法，理解模糊K-均值聚类的原理；掌握谱聚类方法；掌握高斯混合模型聚类方法，了解无限高斯混合模型。 上机实践 联系模式识别基础处理、分类器、完成模式识别分类作业。 四、学时分配 （四号黑体） 表 2：各章节的具体内容和学时分配表（五号宋体） 章节 章节 章节内容 学时分配 第一章 绪论与概述 4 第二章 贝叶斯学习 4 第三章 逻辑回归 6 第四章 概率图模型 4 第五章 支持向量机 4 第六章 人工神经网络与深度学习 8 第七章 聚类分析 6 上机实践 模式识别大作业 18 五、教学进度 （四号黑体） 周次日期备注1 周次 日期 备注 1 绪论与概 述 绪论与概 述 4 2-3 贝叶斯学 习 贝叶斯学 习 4 4-7 逻辑回归 逻辑回归