類神經網路具有從環境中擷取資訊，自我學習的能力。我們可利用電腦的軟硬體來模擬生物神經網路的資訊處理系統，由人類專家解決問題的實際案例中學習，利用非線性函數的轉換，能有效地對大量資料進行分析。解決過去傳統的電腦資訊理論中一些難以突破的瓶頸，例如：生物醫學和農業領域中之判識、分類或推論；科學與工程領域中之模擬與預測、最佳化管理、非線性系統識別、圖形和語音的辨識、下象棋圍棋、或者是處理邏輯上的XOR問題等。因此本課程相當適合對了解類神經網路之基本原理具濃厚興趣或是想運用神經網路科技解決地球科學、工商管理、生態環境、生物醫學與工程領域上的問題之同學。

Neural networks have the ability to learn from their environment and adapt to it in an iterative manner similar to their biological counterparts. Neurocomputing can play an important role in solving certain problems in science and engineering such as forecasting, pattern recognition, optimization and identification of nonlinear systems etc. The course is primarily intended for those individuals, who want to understand the underlying principles of artificial neural networks and want to be able to apply various neurocomputing techniques to solve problems in earth sciences, business administration, ecological environment, biomedical, and engineering.

課程內容：
1.類神經網路簡述
2.生物神經網路與類神經網路
3.學習演算法
4.倒傳遞類神經網路
5.輻狀基底函數類神經網路
6.自組性類神經網路
7.聚類演算法
8.回饋式類神經網路
9.模糊集合與模糊邏輯系統
10.反傳遞模糊類神經網路
11.調適性網路模糊推論系統
12.最佳化搜尋法

軟體工具：MATLAB(課程中將會簡介)