《计算智能与深度学习》教学课件.docxVIP

计算智能与深度学习课程教案

教学

内容

计算智能绪论

课时

安排

2学时

教学

目标

了解计算智能的定义；

了解计算智能的技术分支及适用范围；

清楚计算智能的应用领域；

目的要求

理解计算智能的定义及其与人类智能的关系；

了解计算智能的发展简史；

理解计算智能的技术分支及各分支之间的关联关系；

了解计算智能的应用范畴及应用场景。

重点

难点

重点：计算智能发展简史，并从中了解计算智能技术发展的内外因素及时代特点。

教学

过程

设计

（包括导入语、主要讲课内容、时间安排、提问或举例等）

教学方法

与手段

1、导入语（15分钟）

计算智能带来的计算方式的影响。

课程主要内容简介：人工神经网络、进化计算、群集智能、模糊系统、随机搜索算法、人工免疫系统、粗集理论等。

课程考核方式：平时作业（10%）、实验（20%）、期末考试（70%）

2、主要教学内容和时间安排

（1）计算智能的概念

（2）计算智能发展简史

（3）计算智能研究的基本内容简介

3、教学方法

（1）PPT多媒体讲解；

（2）通过生活中的例子讲解计算智能的技术特点及时代特征。

（3）重点讲解讲解硬件发展及大数据给计算智能技术发展带来的影响，从而引入机器学习为代表的主流计算智能技术。

PPT讲授

PPT讲授

PPT讲授

作业/思考题：

作业1.计算智能概念

计算机学院计算智能与深度学习课程教案

教学

内容

神经网络

课时

安排

8学时

教学

目标

掌握神经网络的基本概念、神经元模型、感知器神经网络、线性神经网络、BP神经网络。

理解径向基神经网络（RBF网络）、竞争神经网络如汉明神经网络和自组织映射特征神经网络、简单反馈神经网络、全反馈型Hopfiled神经网络。

了解对传神经网络、波尔兹曼机。

学会神经网络设计和应用（包括手写体数字的BP神经网络识别等）。

目的要求

了解神经网络技术的发展及应用。

重点

难点

神经网络模型

教学

过程

设计

（包括导入语、主要讲课内容、时间安排、提问或举例等）

教学方法

与手段

1、主要教学内容和时间安排

（1）神经网络基本概念与分类

（2）神经元

（3）神经网络的训练和连接

（4）感知器神经网络

（5）线性神经网络

（6）BP神经网络

（7）径向基神经网络

（8）基本的竞争学习网络结构

（9）汉明竞争神经网络

（10）自组织特征映射神经网络

（11）简单反馈型神经网络

（12）全反馈型Hopfield神经网络

（13）对传神经网络

（14）玻尔兹曼机神经网络

（15）神经网络的应用

3、教学方法

（1）PPT多媒体讲解；

（2）教学内容的理解和案例分析。

（3）课堂讨论。

PPT讲授

PPT讲授

作业/思考题：

作业2.神经网络章后习题

计算机学院计算智能与深度学习课程教案

教学

内容

模糊系统

课时

安排

6学时

教学

目标

掌握模糊集的基本概念、运算和性质，模糊隶属度函数。

理解模糊关系与模糊矩阵；模糊分类和聚类(含模糊K-均值算法和模糊ISODATA算法)；模糊逻辑和模糊推理。

分别理解和了解模糊推理应用系统，基于模糊神经网络的节水灌溉模型等。

目的要求

能够根据领域应用使用模糊数学不同的模型和方法解决应用问题。

重点

难点

重点：模糊逻辑和模糊推理

教学

过程

设计

（包括导入语、主要讲课内容、时间安排、提问或举例等）

教学方法

与手段

1、主要教学内容和时间安排

（1）模糊集的定义、相关概念、 隶属度函数、模糊集的运算

（2）模糊集的扩展原理

（3）模糊关系与模糊矩阵、模糊关系的隶属度函数、运算、特性

归类方法：单元素归类、模糊集归类

（4）模糊聚类分析法：基于模糊等价关系的聚类分析法、模糊相似关系的应用、模糊K-均值算法、模糊ISODATA算法

（5）模糊逻辑和模糊推理

（6）模糊推理应用系统

（7）基于模糊神经网络的节水灌溉模型

2、教学方法

（1）PPT多媒体讲解；

（2）例题讲解。

PPT讲授

PPT讲授

作业/思考题：

作业3.模糊系统章后习题

计算机学院计算智能与深度学习课程教案

教学

内容

遗传算法

课时

安排

2学时

教学

目标

理解遗传算法的基本概念、构成要素、遗传操作(包括选择、交叉、变异等重组操作)。

用遗传算法解聚类问题和TSP问题等。

能对遗传算法选取对应的数据结构并编程实现。

目的要求

理解遗传算法的思想并加以应用。

重点

难点

遗传算法求解问题涉及的算法思想和数据结构表示。

教学

过程

设计

（包括导入语、主要讲课内容、时间安排、提问或举例等）

教学