《人工神经网络》课程教学大纲

《人工神经网络》教学大纲一、课程基本信息课程名称人工神经网络ArtificialNeuralNetwork课程编码SCC263121020开课院部理学院课程团队（未设置）学分2.0课内学时32讲授32实验0上机0实践0课外学时0适用专业本研一体化班（化学化工类）授课语言中文先修课程数学分析（2-1）、程序设计（C）、线性代数与解析几何、数学分析（2-2）、数值计算方法课程简介（限选）（课程简介...）人工神经网络模型是生物神经系统的一种高度简化后的近似。它是用大量的简单神经元广泛互连成的一种计算结构，属于自适应非线性动力学系统，它具有学习、记忆、计算和各种智能处理功能。它在不同程度和层次上模仿人脑神经系统的结构及信息处理、存储和检索等功能。人工神经网络是一门新兴交叉科学，引起了许多领域科学家的高度重视，积极开展了大量研究工作，取得了不少突破性进展。本课程的主要讲授人工神经网络的基本概念、基本原理、典型神经网络模型的设计、训练算法、软件实现以及实际应用，为学生今后从事人工神经网络的研究和应用打下基础。(Courseintroduction...)Artificialneuralnetworkmodelisahighlysimplifiedapproximationofbiologicalnervoussystem.Itisacomputationalstructurewidelyinterconnectedwithalargenumberofsimpleneurons.Itbelongstoanadaptivenonlineardynamicsystemandhasthefunctionsoflearning,memory,computationandvariousintelligentprocessing.Itimitatesthestructureandinformationprocessing,storageandretrievalfunctionsofthehumanbrainnervoussystemindifferentdegreesandlevels.Artificialneuralnetworkisanewinterdisciplinaryscience,whichhasattractedgreatattentionofscientistsinmanyfields,activelycarriedoutalotofresearchworkandmademanybreakthroughprogress.Thiscoursemainlyteachesthebasicconceptsandprinciplesofartificialneuralnetworks,thedesignoftypicalneuralnetworkmodels,trainingalgorithms,softwareimplementationandpracticalapplications,itlaysafoundationforstudentstoengageintheresearchandapplicationofartificialneuralnetworksinthefuture.负责人大纲执笔人审核人二、课程目标序号代号课程目标OBE毕业要求指标点任务自选1M1目标1：了解人工神经网络基本构造和基本模型是2M2目标2：掌握神经网络的基本特征和性质，神经网络的学习规则、运行方式、编程实现等是3M3目标3：了解深度学习神经网络模型的核心思想及实习方式，掌握长短时记忆神经网络和深度卷积神经网络是三、课程内容序号章节号标题课程内容/重难点支撑课程目标课内学时教学方式课外学时课外环节1第1章绪论本章重点与难点：人工神经网络基本结构与模型，了解主要研究内容与发展方向。M1////21.11.1人工神经网络概述人工神经网络的基本概念，研究历史，应用领域，主要研究内容和发展方向。M11讲授0作业31.21.2人工神经网络基本结构与模型生物神经元的结构与功能，人工神经元模型，神经网络的结构及工作方式，神经网络的学习，神经网络的特点及其应用。M11讲授、讨论0作业41.31.3MATLAB神经网络工具箱快速入门MATLAB界面组成，MATLAB基本运算，MATLAB绘图函数，神经网络工具箱简介M11讲授0编写程序5第2章感知器本章重点与难点：感知器的结构、学习规则和训练过程。M1////62.12.1单层感知器的结构和学习规则单层感知器的结构、图形解释和学习算法。M11讲授0作业72.22.2单层感知器的训练过程及其局限性单层感知器的MATLAB实现，单层感知器的训练过程举例，异或问题，局限性分析。M12讲授0作业8第3章反向传播网络（BP网络）本章重点与难点：BP网络的结构、学习算法及改进、程序实现。M2////93.13.1BP网络模型与结构误差反传训练算法，学习规则，MATLAB实现及训练过程举例。M22讲授0作业103.23.2基本BP算法优缺点及算法改进隐含层数和层内单元(节点)数的确定，动态学习率，动量项。M22讲授0作业113.33.3BP神经网络设计与实例分析基于BP算法的ANN网络在控制领域中的应用M22讲授0作业12第4章径向基函数网络（RBF网络）本章重点与难点：径向基函数网络的结构、学习算法和程序实现。M2////134.14.1径向基函数的数学基础M22讲授0作业144.24.2径向基函数网络结构、学习算法分析及MATLAB实现M22讲授0作业154.34.3径向基函数的应用实例M22讲授0作业16第5章反馈式神经网络本章重点与难点：Hopfield神经网络工作原理、Hopfield神经网络能量函数M2////175.15.1Hopfield神经网络M22讲授0作业185.25.2全递归神经网络M22讲授0作业194.35.3Elman神经网络M22讲授0作业20第6章深度学习神经网络本章重点与难点：特征粒度、浅层特征提取、结构性特征、长短时记忆神经网络、卷积神经网络M3////216.16.1自编码器M32讲授0作业226.26.2深度信念网络M32讲授0作业236.36.3长短时记忆神经网络M32讲授0作业246.46.4深度卷积神经网络M32讲授0作业四、考核方式序号考核环节操作细节总评占比1平时作业1.每周布置2-3道基于Matlab编程实现神经网络模型相关的题目，平均每次课1道题以上。2.成绩采用百分制，根据作业完成准确性、是否按时上交、是否独立完成评分。30%2大作业1.本课程要求利用Matlab等编程语言，设计出解决分类、回归、预测问题的神经网络模型。2.根据模型建立情况、方案设计和模型性能进行评分。3.课程学习内容综述。60%3考勤随机点名、刷卡点名等5%4课堂表现随机检查学生上课精神状态、回答问题情况5%五、评分细则序号课程目标考核环节大致占比评分等级1M1平时作业50%A-按时提交作业，神经网络基本结构、模型，研究历史，应用领域，Matlab神经网络工具箱使用，感知器模型理解等基本无误。B-按时提交作业，神经网络基本结构、模型，研究历史，应用领域，Matlab神经网络工具箱使用，感知器模型理解等存在少量错误。2M1考勤50%A-无缺勤。B-缺勤1次及以上且不参加课堂讨论。3M2平时作业30%A-按时提交作业，BP神经网络，RBF神经网络，反馈神经网络模型等基本知识点理解无误。B-按时提交作业，BP神经网络，RBF神经网络，反馈神经网络模型等基本知识点理解存在少量错误。4M2大作业60%（见大作业具体实施细则）5M2考勤5%A-无缺勤。B-缺勤1次及以上且很少参加课堂讨论。6M2课堂表现5%A:精神状态饱满，紧跟老师思路，回答问题准确，无迟到和缺勤情况；B:精神状态良好，问题回答较好，无迟到和缺勤情况；C:精神状态一般，问题回答一般，无缺勤，偶尔有迟到情况；D：精神状态较差，上课不活跃。回答问题有误，有迟到或缺勤现象。7M3平时作业30%A-按时提交作业，特征提取，自编码器，深度信念网络，长短时记忆神经网络和卷积神经网络等基本知识点理解无误。B-按时提交作业，特征提取，自编码器，深度信念网络，长短时记忆神经网络和卷积神经网络等基本知识点理解存在少量错误。8M3大作业60%（见大作业具体实施细则）9M3考勤5%A-无缺勤。B-缺勤1次及以上且很少参加课堂讨论。10M3课堂表现5%A:精神状态饱满，紧跟老师思路，回答问题准确，无迟到和缺勤情况；B:精神状态良好，问题回答较好，无迟到和缺勤情况；C:精神状态一般，问题回答一般，无缺勤，偶尔有迟到情况；D：精神状态较差，上课不活跃。回答问题有误，有迟到或缺勤现象。评分等级说明：[A,B,C,D,E]=[90-100,80-89,70-79,60-69,0-59];[A,B,C,D]=[90-100,75-89,60-74,0-59];[A,B,C]=[90-100,75-89,60-74,0-59];[A,B]=[80-100,0-79]六、教材与参考资料序号教学参