附件11： 《神经网络理论及应用》教学大纲 说明：“开课时间”一栏选填：春季、秋季、春季狱季，“授课对象”一栏选填：硕士、博 士、硕士博士：红色标记的为需重点阑述内容。 课程编号：06017005课程名称：神经网络理论及应用 学时数：20学分：1 开课时间：秋季 开课学院：计算机科学与工程学院 授课对象：硕士博士 先修课程：高等数学，线性代数，概率统计 一、教学目的 神经网络是一个在理论上具有相当高的学术价值，在工程上又具有强烈应用背景的学 科。本课程主要讲授人工神经网络的基本知识与基本原理，通过学习课程内容，使学生了解 神经网络的结构和工作原理，掌握1、2种典型的神经网络模型，初步具备神经网络分析、 设计和应用能力。 从网络原理的角度，让学生掌握基本的前馈网络和反馈网络，以及相关的有监督和无监 督训练方法。 二、教学内容与要求（包括总学时、章节内容的学时分配说明） 本课程总学时为20学时，分为5章（专题）讲解，简述如下： 第一章生物神经网络与人工神经网络基础(4学时) 1本章教学内容：(1)人工神经网络概论(1学时)，(2)神经网络的功能、研究方法和 手段(1学时)，(3)人工神经元和人工神经网络结构(2学时) 2本章教学要求：通过本章课程的学习，要求学生理解生物神经网络的基本原理，掌握生 物神经网络抽象成人工神经网络的基本方法、神经元数学模型、神经网络的基本模型。 3本章教学重点：(1)神经元基本模型，(2)神经网络的基本模型。 4本章教学难点：(1)神经元模型的数学表达，(3)神经网络的数学表达。 第二章神经网络的数学基础(4学时) 1本章教学内容：(1)信号与权值向量空间(2学时)，(2)线性变换(2学时)。 2本章教学要求：通过本章学习，要求学生理解向量空间、线性无关、特征值和特征向量 等基本概念，掌握其相关的数学推导方法。 3本章教学重点：(1)向量展开式，(2)基变换和特征向量计算。 4本章教学难点：(1)向量展开式的计算方法，(2)基变换与特征向量。 第三章感知机与BP训练方法(4学时) 1本章教学内容：(1)感知机(2学时)，(2)反向传播算法(2学时) 2本章教学要求：通过本章学习，要求学生理解单层和多层感知机的网络结构、训练，掌 握反向传播算法训练感知机的基本方法。 3本章的教学的重点：(1)多层感知机的训练方法，(2)反向传播算法 4本章的教学难点：(1)基于反向传播的多层感知机训练。 第四章联想网络(4学时) 1本章的教学内容：(1)线性联想网络与有监督Hbb学习(2学时)，(2)基于无监督联 想学习的instar和outstar网络(2学时)。 2本章教学要求：通过本章学习，要求学生理解联想网络的工作原理，掌握有监督和无监 督的Hebb学习规则。 3本章的教学重点：(1)联想网络的工作原理，(2)有监督和无监督的Hebb学习规则。 4本章的教学难点：联想网络的设计和训练
附件 11： 《神经网络理论及应用》教学大纲 说明：“开课时间”一栏选填：春季、秋季、春季/秋季；“授课对象”一栏选填：硕士、博 士、硕士/博士；红色标记的为需重点阐述内容。 课程编号：06017005 课程名称：神经网络理论及应用 学时数：20 学分：1 开课时间：秋季 开课学院：计算机科学与工程学院 授课对象：硕士/博士 先修课程：高等数学，线性代数，概率统计 一、教学目的 神经网络是一个在理论上具有相当高的学术价值，在工程上又具有强烈应用背景的学 科。本课程主要讲授人工神经网络的基本知识与基本原理，通过学习课程内容，使学生了解 神经网络的结构和工作原理，掌握 1、2 种典型的神经网络模型，初步具备神经网络分析、 设计和应用能力。 从网络原理的角度，让学生掌握基本的前馈网络和反馈网络，以及相关的有监督和无监 督训练方法。 二、教学内容与要求（包括总学时、章节内容的学时分配说明） 本课程总学时为 20 学时，分为 5 章（专题）讲解，简述如下： 第一章 生物神经网络与人工神经网络基础（4 学时） 1 本章教学内容：（1）人工神经网络概论（1 学时），（2）神经网络的功能、研究方法和 手段（1 学时），（3）人工神经元和人工神经网络结构（2 学时） 2 本章教学要求：通过本章课程的学习，要求学生理解生物神经网络的基本原理，掌握生 物神经网络抽象成人工神经网络的基本方法、神经元数学模型、神经网络的基本模型。 3 本章教学重点：（1）神经元基本模型，（2）神经网络的基本模型。 4 本章教学难点：（1）神经元模型的数学表达，（3）神经网络的数学表达。 第二章 神经网络的数学基础（4 学时） 1 本章教学内容：（1）信号与权值向量空间（2 学时），（2）线性变换（2 学时）。 2 本章教学要求：通过本章学习，要求学生理解向量空间、线性无关、特征值和特征向量 等基本概念，掌握其相关的数学推导方法。 3 本章教学重点：（1）向量展开式，（2）基变换和特征向量计算。 4 本章教学难点：（1）向量展开式的计算方法，（2）基变换与特征向量。 第三章 感知机与 BP 训练方法（4 学时） 1 本章教学内容：（1）感知机（2 学时），（2）反向传播算法（2 学时） 2 本章教学要求：通过本章学习，要求学生理解单层和多层感知机的网络结构、训练，掌 握反向传播算法训练感知机的基本方法。 3 本章的教学的重点：（1）多层感知机的训练方法，（2）反向传播算法 4 本章的教学难点：（1）基于反向传播的多层感知机训练。 第四章 联想网络（4 学时） 1 本章的教学内容：（1）线性联想网络与有监督 Hebb 学习（2 学时），（2）基于无监督联 想学习的 instar 和 outstar 网络（2 学时）。 2 本章教学要求：通过本章学习，要求学生理解联想网络的工作原理，掌握有监督和无监 督的 Hebb 学习规则。 3 本章的教学重点：（1）联想网络的工作原理，（2）有监督和无监督的 Hebb 学习规则。 4 本章的教学难点：联想网络的设计和训练
第五章递归神经网络(4学时) 1本章的教学内容：(1)Hopfield网络(2学时)，(2)CNN细胞神经网络(2学时)。 2本章的教学要求：通过本章学习，要求学生理解hopfield和CNW网络模型原理，掌握 其设计和应用方法。 3本章教学重点：（1)递归网络的特点，(2)网络的训练。 4本章的教学难点：Hopfield网络的设计。 三、教学方式 课堂PPT多媒体教学方式为主，辅以多种形式答疑。 四、考核方式与成绩评定（考核方式主要指开卷、闭卷；成绩评定指最终考核成 绩的构成，说明平时考核成绩与期末考试成绩各占的比例（期末成绩所占比例 ≥50%) 考核方式：考查，完成1份关于某一种神经网络模型的理论和应用进展技术研究报告。 基本要求：必须是近5年的最新技术进展，内容翔实，分析充分，写作规范，篇幅不小于标 准格式10页。 成绩构成：出勤率(20%)+技术报告(80%)，总分≥60分为考核通过。 五、教材及主要参考书目（请参考参考文献格式，说明作者、书名、出版社及出 版时间) 教材： [1)《神经网络设计》，[美]M.T.Hagan著，机械工业出版社，2002年9月： [2]《人工神经网络理论、设计与应用》，韩力群著，化学工业出版社，2011年9月： 参考资料： [1](Principles of Neurocomputing for science Engineering),Fredric M.Ham and Ivica kostanic,机械工业出版社 [2]Neural Network A comprehensive Foundation2 nd edition,Simon Hayhin,清华大学 出版社 [3]Convergence Analysis of Recurrent Neural Networks,Zhang Yi etc.,Kluwer Academic Publishers,2003 (撰写人：纪禄平) (审核人：蒲晓蓉)
第五章 递归神经网络（4 学时） 1 本章的教学内容：（1）Hopfield 网络（2 学时），（2）CNN 细胞神经网络（2 学时）。 2 本章的教学要求：通过本章学习，要求学生理解 hopfield 和 CNN 网络模型原理，掌握 其设计和应用方法。 3 本章教学重点：（1）递归网络的特点，（2）网络的训练。 4 本章的教学难点：Hopfield 网络的设计。 三、教学方式 课堂 PPT 多媒体教学方式为主，辅以多种形式答疑。 四、考核方式与成绩评定（考核方式主要指开卷、闭卷；成绩评定指最终考核成 绩的构成，说明平时考核成绩与期末考试成绩各占的比例（期末成绩所占比例 ≥50%） 考核方式：考查，完成 1 份关于某一种神经网络模型的理论和应用进展技术研究报告。 基本要求：必须是近 5 年的最新技术进展，内容翔实，分析充分，写作规范，篇幅不小于标 准格式 10 页。 成绩构成：出勤率（20%）+技术报告（80%），总分≥60 分为考核通过。 五、教材及主要参考书目（请参考参考文献格式，说明作者、书名、出版社及出 版时间） 教材： [1] 《神经网络设计》, [美]M. T. Hagan 著，机械工业出版社，2002 年 9 月； [2] 《人工神经网络理论、设计与应用》, 韩力群著，化学工业出版社，2011 年 9 月； 参考资料： [1] 《Principles of Neurocomputing for science & Engineering》, Fredric M.Ham and Ivica kostanic ，机械工业出版社 [2] Neural Network A comprehensive Foundation 2nd edition, Simon Hayhin ，清华大学 出版社 [3] Convergence Analysis of Recurrent Neural Networks, Zhang Yi etc.，Kluwer Academic Publishers, 2003 （撰写人：纪禄平） （审核人：蒲晓蓉）