原创力文档- 1、本文档共4页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
PAGE1
《深度学习》教学大纲
课程英文名
DeepLearning
课程代码
J0701Z83
学分
3.5
总学时
56
理论学时
44
实验/实践学时
12
课程类别
专业课
课程性质
选修
先修课程
《高等代数》《数学分析》
适用专业
数学与应用数学、信息与计算科学
开课学院
理学院
执笔人
审定人
制定时间
2018年04月
一、课程地位与课程目标
（一）课程地位
《深度学习》是信息与计算科学、数学与应用数学专业的数据科学与技术方向的专业选修课程，主要讲述经典的神经网络和目前流行的卷积神经网络的相关理论、算法及应用。通过本课程的学习，使学生系统地掌握深度学习的基本内容与方法，了解神经网络和深度学习的主要应用领域，提高学生的分析问题、解决问题的能力，并用计算机语言编程实现，加强数学与信息科学的交叉，拓展自己的知识结构。
（二）课程目标
1.掌握深度学习的基本内容与方法，了解神经网络和深度学习的主要应用领域。
2.加强数学理论与信息科学的交叉。
3.加强深度学习的实践与锻炼，具备计算机编程实现能力。
4.拓展知识结构，提升解决问题的能力。
二、课程目标达成的途径与方法
以课堂教学为主，上机实践为辅，结合学生自学、课堂讨论、课外作业、上机设计实验等
三、课程目标与相关毕业要求的对应关系
课程目标
课程目标对毕业要求的支撑程度（H、M、L）
毕业要求1
毕业
要求2
毕业
要求3
毕业
要求4
毕业
要求5
毕业
要求6
毕业
要求7
毕业
要求8
毕业
要求9
毕业
要求10
课程目标1
L
H
H
H
H
M
L
M
L
L
课程目标2
L
H
H
H
H
M
L
H
L
L
课程目标3
L
H
H
H
H
M
L
H
L
H
课程目标4
L
H
H
H
H
M
M
H
L
M
四、课程主要内容与基本要求
第一章绪论
【教学内容】学习神经网络的目的；神经网络发展历史；神经网络应用。
【基本要求】了解神经网络产生的背景及发展的历史；了解神经网络在各学科中的应用;了解学习本课程的目的和任务。
人工神经网络建模基础
【教学内容】神经元数学模型；神经网络模型与结构。
【基本要求】熟悉神经元数学模型；熟悉神经网络的模型和网络结构。
第三章感知器神经网络
【教学内容】单层感知器模型、多层感知器、自适应线性单元、误差反向传播算法。
【基本要求】熟练掌握单层感知器模型、自适应线性单元、误差反向传播算法;了解多层感知器。
第四章自组织竞争神经网络
【教学内容】竞争学习概念与原理、自组织特征映射神经网络
【基本要求】熟练掌握竞争学习概念与原理，掌握自组织特征映射神经网络，熟悉自组织特征映射神经网络的应用。
第五章径向基函数神经网络
【教学内容】径向基函数网络、正则化理论和正则化RBF网络及其应用。
【基本要求】熟练掌握径向基函数网络、正则化RBF网络，熟悉RBF的应用。
第六章支持向量机
【教学内容】支持向量机、非线性支持向量机及其应用。
【基本要求】熟练掌握支持向量机、非线性支持向量机，熟悉支持向量机、非线性支持向量机的应用。
第七章深度学习
【教学内容】深度学习的模型和算法操作。
【基本要求】熟练掌握深度学习的模型和算法操作。
五、课程学时安排
章节号
教学内容
学时数
学生任务
对应课程目标
第1章
绪论
2学时
1.完成习题1中1-3题
课程目标1,4
第2章
人工神经网络建模基础
8学时
1.完成习题2中1,4,5,6,7题
课程目标1,4
第3章
感知器神经网络
10学时
1.完成习题3中4-9题
2.设计感知器网络
课程目标1,2,3,4
第4章
自组织竞争神经网络
8学时
1.完成习题4中5,7题
2.设计自组织竞争网络
课程目标1,2,3,4
第5章
径向基函数神经网络
10学时
完成习题5中1-4题
2.设计径向基函数网络
课程目标1,2,3,4
第6章
支持向量机
8学时
1.完成习题6中1-3题
2.设计支持向量机网络
课程目标1,2,3,4
第7章
深度学习
10学时
1.完成习题7中1-4题
2.设计卷积神经网络
课程目标1,2,3,4
六、实践环节及基本要求
序号
实验项目名称
学时
基本要求
学生任务
实验性质
实验类别
1
感知器
2
设计单层感知机
设计单层感知机
设计
必做
2
BP算法
2
设计BP算法
设计BP网络
设计
必做
3
自组织竞争神经网络
2
设计自组织竞争神经网络
设计自组织竞争神经网络
设计
必做
4
径向基函数神经网络
2
设计径向基函数神经网络
设计径向基函数神经网络
设计
必做
5
支持向量机
2
设计支持向量机
设计支持向量机
设计
必做
6
卷积神经网络
文档评论（0）