西安交通大学数学与统计学院计算智能与模式识别教学大纲.pdf

2012-5-3

“计算智能与模式识别”课程教学大纲

英文名称：ComputationalIntelligenceandPatternRecognition

课程编码：MATH4041

学时：48（理论学时：40上机学时：8）

学分：3

适用对象：信息与计算科学专业本科生

先修课程：数学分析、数值分析、概率论与数理统计

使用教材及参考书：

1.M.T.Hagan,H.B.Demuth,andM.H.Beale.神经网络设

计.北京：机械工业出版社，2002.

2.S.Kumar.NeuralNetworks.北京：清华大学出版社，2006.

3.邓乃杨，田英杰.支撑向量机—理论、算法与拓展.北京：科

学出版社，2009.

4.V.N.Vapnik著，张学工译.统计学习理论的本质.北京：

清华大学出版社，2000.

5.S.TheodoridisandK.Koutroumbas.PatternRecognition.

北京：机械工业出版社，2006.

6.许东等.基于MATLAB6.x的系统分析与设计——神经网络.西

安：西安电子科技大学出版社，2002.

一、课程性质和目的

性质：专业选修课

2012-5-3

目的：通过本课程的学习，使学生掌握神经网络、支撑向量机和

统计学习的基本理论与方法，培养学生使用它们解决实际工程问

题的初步能力，为进一步地学习和应用打下基础。

二、课程内容简介

《计算智能与模式识别》是“信息与计算科学专业”本科生的专

业选修课，主要讲授神经网络、支撑向量机和统计学习的基本理

论与方法，及其它们在实际工程领域中的应用。内容包括：感知

器、ADALINE网络、多层前向网络、径向基函数网络、Hopfield

网络、支撑向量机、统计学习的理论及其它们在模式识别等相关

实际工程问题中的应用。

三、教学基本要求

1．掌握神经网络、支撑向量机、统计学习的基本理论与方法

2．初步了解它们在模式识别等相关实际工程问题中的应用。

四、教学内容及安排

第一章：神经网络概述

1．人工神经网络

2．神经元模型

3.神经网络的三要素

4.神经网络的特征

5.神经网络的主要应用领域

教学安排及教学方式

2012-5-3

教学环节学时分配课后环节（请打“√”）

综合

章节数授课实验上机讨论作业自学其他

大作业

1.1-1.22

1.3-1.52

第二章：感知器

1．引论

2.网络结构

3.模式识别的基本概念

4.感器学习规则

5.感知器的局限性

5.多层感知器的分类性

教学安排及教学方式

教学环节学时分配课后环节（请打“√”）

综合

章节数授课实验上机讨论作业自学