人工神经网络课程 ： 教学大纲

Posted 2021-11-03 卓晴

人工神经网络课程教学大纲

 
 

  注：本文根据 课程教学大纲基本格式 书写。

一、教学对象

  人工神经网络是面向研究生开始的课程，适用于工科类各专业研究生第一学年学习。学习课程的学生要求能够初步具有计算机编程能力，至少初步具有C++，MATLAB，Python等至少一门编程语言的基础。先修数学课程包括微积分、概率论与线性代数等。

二、学分与学时

  人工神经网络属于研究生专业任选课程。课程学分为在3学分，学时为48学时。

三 、课程性质、任务和目的

• 课程性质： 人工神经网络课程属于研究生专业任选课程，也适合本科高年级同学选修。本科课程属于人工智能、机器学习等等专业课程的重要组成部分。
• 课程任务： 本课程通过教学过程，使得同学对于人工神经网络基础理论有深入的了解、具备利用人工神经网络分析和解决一般工程问题的能力、掌握一些基本应用软件算法和某一类网络深度学习平台、了解人工神经网络技术前沿进展与相关硬件实现的体系，培养起对人工神经网络学科的志趣。

四、分章节讲授内容和目标

章节	目的要求	主要内容	课时
第一章 课程简介	介绍课程的基本内容、教学大纲以及人工网络课程的基本概念。	1. 讲解课程基本内容、教学环节、基本要求； 2. 人工神经网络算法简介； 3. 人工神经网络模型基础； 4. 模式识别基本概念；	2学时
第二章 简单神经网络	讲解单层前馈神经网络，引出多层神经网络架构；	1. 简单神经网络结构及特点； 2.线性可分问题； 3. Hebb网络及其局限性；4.感知机结构、算法、举例； 5.Adaline结构、算法、举例； 6.引入多层感知机；	4学时
第三章 前馈网络	讲解典型网络算法及与其它机器学习关系	1.BP网络结构、算法及其改进、举例； 2.RBF网络结构、算法； 3.RBF网络与SVM关系； 4.ELM算法简介；	8学时
第四章 竞争网络	讲解竞争网络基本概念与算法	1.竞争学习基本概念； 2.SOM网络结构、算法、举例； 3.CPN，LVQ，ART网络结构、算法、举例； 4.MATLAB相关工具箱及其应用举例；	5学时
第五章 动态网络	讲解经典动态网络及其应用	1.联想存储器网络、算法以及应用； 2.Hopfield网络动态特性讨论； 3.玻尔兹曼机及其改进；4.循环动态网络及其应用；	6学时
第六章 其它经典神经网络	介绍一些人工神经网络学科中其他一些经典神经网络算法及其应用。	1.其它经典神经网络算法； 包括：CMAC，模糊神经网络，混动神经网络脉冲耦合神经网络； 2.神经网络在优化问题方面的应用；。3.遗传算法在神经网络中的应用；	3学时
第七章 深度学习网络	讲解基本深度学习网络算法及其应用。	1.卷积神经网络算法、应用及其演变；。2.动态深度学习网络，LSTM网络算法及其应用； 3.强化学习算法中的深度学习算法； 4.深度堆栈式学习算法；	9学时
第八章 深度学习算法发展	介绍深度学习算法的一些其它变种与新近发展；	1.一些深度学习网络； 包括深度SVM，深度PCA，深度ELM，深度随机森林算法等； 2.人工神经网络算法实现硬件基础； 3.类脑计算及其应用；	6学时

五、教学的主要环节

• 讲课：基本的内容进行讲解
• 作业：五次作业
• 论文：期末综合论文
• 讲座：邀请讲座

六、教材及参考书

  1、Satish Kumar, Neural Networks(神经网络),大学计算机教育 国外著名教材系列，清华大学出版社
  2、韩立群，人工神经网络理论设计及应用，科学出版社
  3、朱大齐、史慧，人工神经网络原理及应用，科学出版社，2006
  4、高隽、人工神经网络原理及仿真实例，机械工业出版社
  5、阎平凡，张长水，人工神经网络与模拟进化计算，清华大学出版 社
  6、Laurene Fausett, Fundamentals of Neural Networks, 1994 Prentice-Hall
  7、董长虹 Matlab 神经网络与应用,国防工业出版社
  8、Martin T.Hagan, Howard B.Demuth, Neural Network Design
  9、Simon Haykin, Neural Networks and Learning Machines, 3nd, Pearson Prentice Hall

---

■ 相关文献链接:

• 课程教学大纲基本格式

 

§01 课程基本情况

---

  伴随着中国在新一代人工智能产业战略发展实施，新工科教育培养未来工程科技人员在解决复杂工程问题要求，大数据和人工智能相关课程在很多工科专业中都有着广泛的应用需求。人工神经网络技术有着独特学科发展背景与路径，它不仅成为现在人工智能、机器学习领域重要的学习算法而被广泛应用到各个领域，而且借助于它本身技术框架也为未来新一代深度学习、类脑计算提供了指导，是当今学科研究非常活跃的领域，学生学习兴趣浓厚。

  人工神经网络课程特点包括有：（1）内容体系上完整：既包括有经典人工神经网络算法，同时又涵盖有当前最新的深度学习网络内容，众多演变和革新的人工神经网络算法也为学生在研究中创新求变提供了范例；（2）理论学习与实践并重：课程注重人工神经网络算法理论基础的同时，又强调解决实际问题中的应用。在课堂示例、课后作业都包括有丰富实施应用案例；（3）注重学生能力培养：通过课后作业联系，鼓励学生对当前主要人工神经网络算法工具和网络平台进行熟悉，利用问题求解讨论过程积累网络调试经验，举一反三。（4）注重课堂教学交流：采用自制教学软件TEASOFT提高课件内容传递效果，增加课程讲解思辨性；在网络教学中实现课堂应答，提高听课同学的参与度；在学期末组织选课同学进行交流；（5）制作辅导MOOC短视频，完成对特定主题专门讲解。

  由于选课学生中来自不同专业背景，会出现学习需要的差异，需要及时回应学生们的要求，“老师教学态度特别认真，答疑反馈都很及时。满分推荐！”，“老师教的很好，是我太菜了-----”

 

§02 改进措施

---

针对上一学期教学情况提出的改进措施（只需电子版)

  针对在上学期人工神经网络课程教学中课程内容、作业实验方式、讲解方法中存在的问题，准备从以下三个方面对课程进行进一步改进。

1. 课程内容调整：在尽可能保留人工神经网络课程本身内容体系的特色基础上，进一步精简传统人工神经网络算法部分，适度增加深度人工神经网络算法内容。除了基本深度学习网络：CNN，RNN之外，终点将深度网络学习的主要支撑的理论方法进行讲解，便于课程同学在未来算法创新方面有更大的余地；
2. 课程作业设计方面：根据来自于不同背景的选课同学，尽可能在课程作业设计方面适合于不同实验平台，包括C，MATLAB，Python等。同时在应数据准备方面，注重代表性的同时，突出新颖性与创新性；
3. 增加微视频授课方式：根据选课学生的类型，从校内的线下授课之外，还包括有深圳研究生院的线上课程。为了适应不同背景同学在基础方面（数学、模式识别、专科课程）方面的不同，将课程中一些理论性较强的部分制作成微视频课程同学们自行补充学习。同时利用好与课程相关的公众号、CSDN博客平台提供补充学习材料。