智能计算-研究生课程教学大纲-贾云飞课程教学大纲.docVIP

PAGE9

《智能计算》教学大纲

课程英文名称

IntelligentComputing

开课院系

电子信息与自动化学院

课程类别

学科选修课

授课对象

1.学术型，2.专业学位

授课方式

1.讲授类

课程总学时

36

课程总学分

2

开课学期

第2学期

适用专业

大数据处理；通信与信息系统；计算机应用技术等

预修课程

《概率论》《数理统计》

主讲教师1

贾云飞

职称

讲师

主讲教师2

方澄

职称

讲师

课程简介（500字以内）：

本课程是电子信息工程专业研究生的专业选修课。通过学习该课程，同学可了解智能计算基本概念与原理。掌握主要的智能计算算法及其思想。熟练应用一些常用的统计模型解决实际问题。

课程教学目标与基本要求：

教学目标：通过课程的学习，使学生能够理解各种智能技术的原理，掌握统计学习方法与算法实现。能够利用常见算法解决实际问题。

基本要求：掌握概率与统计基础知识，线性回归模型，最近邻模型，统计判断理论、决策树理论，前向神经网络，K均值聚类，因子分析，支持向量机模型。

课程考核方式和成绩计算评定：

1．考核方式：考试（）；考查（√）

2．成绩评定：

总评成绩构成：平时考核（40）％；中期考核（0）％；期末考核（60）％

平时成绩构成：考勤考纪（10）％；读书报告（10）％；实践环节（20）％。

课程内容及详细教学计划

授课内容（细化到章、节、目）

教学目标

授课模式

第一章概论（4学时）

掌握智能计算概念与发展背景

讲授

第二章统计学基础（8学时）

1、多元随机变量；2、常见分布；

3、贝叶斯估计；4、概率不等式；

加深对概率论的理解，为后续课程打下基础

讲授

第三章统计决策理论（12课时）

1、线性回归模型；2、最近邻模型；3、贝叶斯估计与决策；4、决策树理论；5Adaboost模型；6Boostrap方法；

掌握如何从大量数据中依据统计量定量分析与决策

讲授

第四章神经网络（8课时）

1、感知机；2、前向神经网络；2、支持向量机；4、反馈型神经网络

掌握监督学习理论基础，会设计神经网络算法解决实际问题

讲授

第五章无监督学习理论（4课时）

1、K均值聚类；2、因子分析理论；

掌握算法设计与关键参数设计准则

讲授讨论

教材及教学参考资料

教材

序号

教材名称

编著者

出版单位

出版时间

1

TheElementsofStatisticalLearning

TrevorHastie;RobertTibshirani;

Springer

2008

2

统计学习方法

李航

清华大学出版社

2012

参考资料

序号

参考资料名称

编著者

出版单位

出版时间

1

MachineLearning

TomMMitchell

机械工业出版社

2003

注：1.课程类别参考培养方案，学位课明细到公共必修课、学科基础课和学科必修课；

2.主讲教师1和授课教师2两栏必填。