教学环节及学时 知识 讲 习 模块 教学内容 课 课 课 实验（实践） 合 目标检测应用概述及应用案例Region--CNN、深度神经网络 2 4 6 的网络退化问题、深度残差网络ResNet、深度神经网络的 过拟合和欠拟合问题及解决方法 支持 2 4 6 向量 机基 线性支持向量机、非线性支持向量机。 本原 理 遗传 2 2 4 遗传算法的基本原理、基本操作、模式理论、特点：遗传 算法 算法中的参数选择及算法改进方法，遗传算法用于神经网 及应 络的权值优化。 用 人工 2 1214 神经 网络 神经网络系统的总体设计：神经网络的开发环境：神经网 设计 络的软件实现：神经网络的硬件实现。 与 新 硬件 实现 人工 2 2 人工神经系统的基本概念、体系结构、控制特性和信息模 神经 式。 系统 合计 64 六、成绩考核及其基本要求 考核 建议 对应课程 分值 考核/评价细则 环节 目标 平时表 主要包括平时作业完成情况和出勤情况。在本考核环节中， 现及考 o 作业和出勤各占50%，其中旷课达到一定数量按学院规定处理 勤情况知识 模块 教学内容 教学环节及学时 讲 授 课 习 题 课 讨 论 课 实 验 （ 实 践 ） 合 计 目标检测应用概述及应用案例 Region-CNN、深度神经网络 的网络退化问题、深度残差网络 ResNet、深度神经网络的 过拟合和欠拟合问题及解决方法 2 4 6 支 持 向 量 机 基 本 原 理 线性支持向量机、非线性支持向量机。 2 4 6 遗 传 算 法 及 应 用 遗传算法的基本原理、基本操作、模式理论、特点；遗传 算法中的参数选择及算法改进方法，遗传算法用于神经网 络的权值优化。 2 2 4 人 工 神 经 网 络 设 计 与 软 硬 件 实现 神经网络系统的总体设计；神经网络的开发环境；神经网 络的软件实现；神经网络的硬件实现。 2 12 14 人 工 神 经 系统 人工神经系统的基本概念、体系结构、控制特性和信息模 式。 2 2 合计 64 六、成绩考核及其基本要求 考核 环节 建议 分值 考核/评价细则 对应课程 目标 平时表 现及考 勤情况 10 主要包括平时作业完成情况和出勤情况。在本考核环节中， 作业和出勤各占 50%，其中旷课达到一定数量按学院规定处理