模式識别與人工神經網絡

發布者:系統管理員發布時間:2018-12-14浏覽次數:1803

研究生課程教學大綱、教學周曆-(模闆)

課程序号:                                      院(系):9

課程

名稱

中文

模式識别與人工神經網絡

英文

Pattern Recognition and Artificial Neural Network

課程編号

 

課程适用學位級别

碩士

總學時

120

課内學時

40

學分

2

實踐環節

實驗、研究報告

用機小時

 

開課院(系)

9

開課學期

春季

考試方式

考試

主講教師

教師姓名

朱海林

學位

工學碩士

導或碩導

 

職稱

講師

學曆

碩士研究生

e-mail

 

網頁地址

http://cse.seu.edu.cn/people/hailin/

授課語言

漢語

課件地址

 

适用學科範圍

三級

适用學科名稱

計算機

實驗(案例)個數

2

先修課程

人工智能、線性代數、概率

教學用書

教材名稱

教材編者

出版社

出版年月

版次

主要教材

Neural Network Design

Martin T.Hagan

機械工業出版社

2002年

1

主要參考書

NEURAL NETWORKS A Comprehensive Foundation

Simon Haykin

清華大學出版社

2001年10月

 

1

模式識别-原理、方法及應用

J.P.Marques de sa

清華大學出版社

2002年11月

1

模式識别原理

黃振華、吳誠一

浙江大學出版社

1991年9月

1

 

一、教學目标和要求:

    本課程為計算機專業碩士研究生的專業選修課,講授模式識别與人工神經網絡的主要算法,包括聚類,感知機,Hebb學習,Widrow_Hoff算法,反向傳播算法,Kohonen網絡,Grossberg網絡,自适應諧振理論,Hopfield網絡等算法,所講授的内容與世界一流大學相關課程同步。學完本課程,要求掌握各算法的主要思想,對重點講授的反向傳播算法、自适應諧振、Hopfield網絡理論有較深入的理解,并清晰把握各種算法之間的關系,能夠根據本課程所學,設計一個應用方案。較高要求為設計并實現一個應用。

   

 

 

 

 

二、教學大綱(含章節目錄):

 

 

 

三、教學周曆:

周次

教學内容

教學方式

1

識别系統概論 2      聚類算法概述1

講課

2

聚類算法3

講課

3

圖論方式的聚類算法,聚類評價  2    人工神經網絡概論  1

講課

4

神經元模型和網絡結構,一個說明性實例 ( 感知機,Hamming,Hopfield3

  講課,

讨論

5

  判别函數與感知器算法,感知機學習規則      3

講課

6

  有監督的Hebb學習 ,例題                  3

講課

7

  性能曲面和優點,性能優化                3

  講課,

讨論

8

  Widrow_Hoff算法,反向傳播算法            3

講課

9

  反向傳播算法與反向傳播算法的變形          3

講課

10

  反向傳播算法的變形,例題                  3

  講課,

讨論

11

Kohonen網絡,Grossberg網絡             3

講課

12

    自适應諧振理論                          3

講課

13

    Hopfield網絡                            3

講課

14

總結與考核

 

15

 

 

16

 

 

17

 

 

18

 

 

 

Baidu
sogou