《人工神经网络及应用》教学大纲
一、课程基本信息
中文名称 | 人工神经网络及应用 | 英文名称 | Principle and Applications of Artificial Neural Network |
适用专业 | 信息工程 | 先修课程 | 高等数学、线性代数、计算机基础、高级语言程序设计 |
课程类别 | 专业拓展课 | 修读性质 | 限选 |
学分/学时 | 2学分/34学时 | 考核方式 | 考查 |
二、教学目标
本课程教学目标：本课程是为信息工程专业的本科生开设的学科拓展课程之一，人工神经网络模型只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。
本课程介绍人工神经网络的基本模型、拓扑结构和特性等。要求学生熟悉常见的人工神经网络的结构和特性，包括智能系统描述模型、人工神经网络方法的特点等。要求学生重点掌握神经网络模型的基本理论、神经网络的结构设计与实现算法、基于MATLAB的神经网络实现技术平台、神经网络在工程中的应用背景和实例等方面的知识。
三、教学内容及基本要求
第一章 人工神经网络的基础知识（4学时）
（一）教学目标
1．介绍神经网络系统的发展史，阐述其基本功能和发展趋势等。
2．了解生物神经元和神经网络简述；
3．了解神经网络的基本结构；
4．掌握神经网络的含义、特点和应用。
（二）重点、难点
重点：人工神经网络的基本概念和特征；
难点：人工神经网络计算和传统计算的比较。
（三）教学方法
本章以课堂教学为主，结合已经存在的资料来介绍该课程的核心内容。
（四）教学内容
1. 人工神经网络发展的历史及现状；
2. 人工神经网络的基本模型及其功能；
3. 人工神经网络的基本要素。
（五）课外学习要求
查神经网络方面的资料。
第二章 BP误差反传神经网络（5 理论学时）
（一）教学目标
1．介绍 BP神经网络模型及其学习算法；
2．掌握BP神经网络设计的一般原则；
3. 了解BP神经网络的应用。
（二）重点、难点
重点：BP神经网络设计的一般原则；
难点：BP神经网络设计的一般原则与应用。
（三）教学方法
本章以课堂教学为主，结合已经存在的资料来介绍该课程的核心内容。
（四）教学内容
1. BP神经网络模型及其学习算法；
2. BP神经网络设计的一般原则；
3. BP神经网络的应用。
（五）课外学习要求
阅读神经网络方面的资料。
第三章 Hopfield反馈神经网络（4 理论学时）
（一）教学目标
1．掌握介绍离散型与连续型Hopfield神经网络设计原理；
2. 了解Hopfield神经网络的应用。
（二）重点、难点
重点：离散型与连续型Hopfield神经网络设计；
难点：Hopfield神经网络的应用。
（三）教学方法
本章以课堂教学为主，结合已经存在的资料来介绍该课程的核心内容。
（四）教学内容
1. 离散型Hopfield神经网络；
2. 连续型Hopfield神经网络；
3. Hopfield神经网络的应用。
（五）课外学习要求
阅读课后思考题与神经网络方面的资料。
第四章 BAM双向联想记忆神经网络（4 理论学时）
（一）教学目标
1．掌握BAM神经网络结构、算法及稳定性；
2. 了解BAM神经网络的应用。
（二）重点、难点
重点：BAM神经网络结构、算法及稳定性；
难点：BAM神经网络的应用。
（三）教学方法
本章以课堂教学为主，结合已经存在的资料来介绍该课程的核心内容。
（四）教学内容
1. BAM结构、算法及稳定性；
2. BAM神经网络的应用。
（五）课外学习要求
阅读课后思考题与神经网络方面的资料。
第五章 CMAC小脑神经网络（4 理论学时）
（一）教学目标
1．掌握CMAC神经网络结构及工作原理；
2. 掌握 网课程CMAC改进学习算法；
3. 了解基于CMAC的电液负载模拟器自学习控制。
（二）重点、难点
重点：CMAC神经网络结构、工作原理及改进学习算法；
难点：MAC改进学习算法。
（三）教学方法
本章以课堂教学为主，结合已经存在的资料来介绍该课程的核心内容。
（四）教学内容
1. CMAC结构及工作原理；
2. CMAC改进学习算法；
3. CMAC神经网络的应用___基于CMAC的电液负载模拟器自学习控制。
（五）课外学习要求
阅读课后思考题与神经网络方面的资料。
第六章 RBF径向基函数神经网络（5 理论学时）
（一）教学目标
1．掌握 RBF结构及工作原理；
2. 掌握RBF学习算法及改进的RBF学习算法；
3. 了解径向基函数神经网络RBF的应用。
（二）重点、难点
重点：RBF结构、工作原理、学习算法及改进的RBF学习算法；
难点：改进的RBF学习算法。
（三）教学方法
本章以课堂教学为主，结合已经存在的资料来介绍该课程的核心内容。
（四）教学内容
1. RBF结构及工作原理；
2. RBF学习算法；
3. 改进的RBF学习算法；
4. 径向基函数神经网络RBF的应用___利用RBF神经网络实现热工过程的在线辨识。
（五）课外学习要求
阅读课后思考题与神经网络方面的资料。
第七章 SOM自组织特征映射神经网络（4 理论学时）
（一）教学目标
1．掌握竞争学习算法基础；
2. 掌握SOM神经网络模型与算法；
3. 了解SOM神经网络的应用。
（二）重点、难点
重点：竞争学习算法基础与SOM神经网络模型与算法；
难点：SOM神经网络模型与算法。
（三）教学方法
本章以课堂教学为主，结合已经存在的资料来介绍该课程的核心内容。
（四）教学内容
1. 竞争学习算法基础；
2. SOM神经网络模型与算法；
3. SOM神经网络的应用。
（五）课外学习要求
阅读课后思考题与神经网络方面的资料。
第八章 CPN对偶传播神经网络（4 理论学时）
（一）教学目标
1．掌握CPN神经网络结构及原理；
2. 了解CPN网络在集成电路故障模式识别中的应用。
（二）重点、难点
重点：CPN神经网络结构及原理；
难点：CPN神经网络模型与算法。
（三）教学方法
本章以课堂教学为主，结合已经存在的资料来介绍该课程的核心内容。
（四）教学内容
1. CPN神经网络简介；
2. CPN神经网络结构及原理；
3. CPN神经网络的应用___CPN网络在集成电路故障模式识别中的应用。
（五）课外学习要求
阅读课后思考题与神经网络方面的资料。
四、考核形式及成绩评定
（一）考核形式：考查。
（二）成绩评定：课程考核由平时作业及听课情况和期末考查成绩两部分组成，分别占课程总成绩的30%和70%。
五、教材与参考书
教 材：朱大奇、史慧.人工神经网络原理与应用（第一版）.北京：科学出版社 ，2006年7月。
参考书：[1] 张立明. 人工神经网络的模型及其应用（第一版）.上海：复旦大学出版社，1993年7月。
六、其他
无
七、课程学时分配表
序号 | 教学内容（章、节或篇名） | 学时分配 | 作业、考查 | |
理论 | 实践 | |||
1 | 人工神经网络的基础知识 | 4 | 0 | 课后思考题 |
2 | BP误差反传神经网络 | 5 | 0 | 课后思考题 |
3 | Hopfield反馈神经网络 | 4 | 0 | 课后思考题 |
4 | BAM双向联想记忆神经网络 | 4 | 0 | 课后思考题 |
5 | CMAC小脑神经网络 | 4 | 0 | 课后思考题 |
6 | RBF径向基函数神经网络 | 5 | 0 | 课后思考题 |
7 | SOM自组织特征映射神经网络 | 4 | 0 | 课后思考题 |
8 | CPN对偶传播神经网络 | 4 | 0 | 课后思考题 |
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论