|
課程名稱 |
類神經網路：理論與實務
ARTIFICIAL NEURAL NETWORKS ： THEORY AND APPLICATION |
|
開課學期 |
99-1 |
|
授課對象 |
學程 神經生物與認知科學學程 |
|
授課教師 |
張斐章 |
|
課號 |
BSE5114 |
|
課程識別碼 |
622 U4710 |
|
班次 |
|
|
學分 |
3 |
|
全/半年 |
半年 |
|
必/選修 |
選修 |
|
上課時間 |
星期一6,7,8(13:20~16:20) |
|
上課地點 |
農工九 |
|
備註 |
總人數上限：46人 |
|
Ceiba 課程網頁 |
http://ceiba.ntu.edu.tw/991ANN |
|
課程簡介影片 |
|
|
核心能力關聯 |
本課程尚未建立核心能力關連 |
|
課程大綱
|
|
為確保您我的權利,請尊重智慧財產權及不得非法影印
|
|
課程概述 |
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生物醫學與工程領域上的問題之同學。
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) |
|
課程目標 |
課程內容請參考 http://hyinfo.bse.ntu.edu.tw/ANN-book/ |
|
課程要求 |
|
|
預期每週課後學習時數 |
|
|
Office Hours |
每週一 13:00~14:20 |
|
指定閱讀 |
|
|
參考書目 |
Textbook:
張斐章、張麗秋，「類神經網路導論-原理與應用」，滄海書局，2010年。
References:
1. Fredric M. Ham, Ivica Kostanic; Principles of Neurocomputing for Science &
Engineering. McGraw-Hill. 2001
2. Simon Haykin; Neural Networks — A comprehensive foundation, 3nd Edition,
2009.
3. 期刊論文 |
|
評量方式
(僅供參考) |
|
No. |
項目 |
百分比 |
說明 |
|
1. |
作業 |
35% |
|
2. |
期中考 |
40% |
|
3. |
專題報告 |
25% |
|
|
|
週次 |
日期 |
單元主題 |
|
第1週 |
9/13 |
課程內容簡介 |
|
第2週 |
9/20 |
類神經網路簡述、生物神經網路與類神經網路 |
|
第3週 |
9/27 |
學習演算法 |
|
第4週 |
10/04 |
MATLAB簡介 |
|
第5週 |
10/11 |
自行預習倒傳遞類神經網路(BPNN)、作業實習(問題詢問) |
|
第6週 |
10/18 |
倒傳遞類神經網路(BPNN) |
|
第7週 |
10/25 |
輻狀基底函數類神經網路(RBFNN)、Neural Tool簡介 |
|
第8週 |
11/01 |
輻狀基底函數類神經網路(RBFNN) |
|
第9週 |
11/08 |
自組性類神經網路(SOMNN) |
|
第10週 |
11/15 |
校慶停課 |
|
第11週 |
11/22 |
聚類演算法(Clustering) |
|
第12週 |
11/29 |
回饋式類神經網路(RNN) |
|
第13週 |
12/06 |
模糊集合與模糊邏輯系統 |
|
第14週 |
12/13 |
反傳遞模糊類神經網路(CFNN) |
|
第15週 |
12/20 |
期中考 |
|
第16週 |
12/27 |
調適性網路模糊推論系統(ANFIS) |
|
第17週 |
2011/1/03 |
專題演講 |
|
第18週 |
2011/1/10 |
期末報告 |