課程資訊
課程名稱
類神經控制系統
Neuro-control Systems 
開課學期
111-1 
授課對象
學程  神經生物與認知科學學程  
授課教師
林巍聳 
課號
EE7006 
課程識別碼
921 M1390 
班次
 
學分
3.0 
全/半年
半年 
必/選修
選修 
上課時間
星期二7,8(14:20~16:20)星期五6(13:20~14:10) 
上課地點
電二102電二102 
備註
總人數上限:30人 
 
課程簡介影片
 
核心能力關聯
核心能力與課程規劃關聯圖
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

類神經網路起源於模仿腦神經網路處理信息的方法,具有學習能力、記憶能力和信息處理能力。類神經網路可以學習感測信號的特徵和辨別追蹤的目標,經過適當的學習程序,類神經網路可以模擬線性或非線性控制系統的動態行為,在自動控制系統中可以扮演系統模型的角色,也可以透過學習程序把類神經網路訓練成控制器的角色,在傳統的理論分析和合成設計法之外,開啟機器透過學習程序自動達成控制目標的智能控制系統。本課程探討類神經網路的知識以及如何應用於自動控制系統,主要內容包括多層感知網路、徑向基函數網路、反傳學習法、類神經網路應用於系統鑑別、控制器合成等。 

課程目標
1. 神經網路的專業知識
2. 反傳學習法和演化學習法
3. 神經網路應用於系統模型
3. 神經網路應用於控制器
4. 模糊神經網路應用於控制器 
課程要求
先修課程: 控制系統(或線性系統、或控制工程) 
預期每週課後學習時數
 
Office Hours
 
指定閱讀
Neural Network Control of Nonlinear Discrete-Time Systems, by Jagannathan Sarangapani, Taylor & Francis, Ch1, Ch3~6. (Textbook) 
參考書目
1. Neural networks for modeling and control of dynamic systems, by M. Norgaad, O. Ravan, N, K, Poulsen and L. K. Hansen, Springer
2. Neural networks and learning machines, 3d edition, by Simon Haykin, Pearson International edition
3. Artificial intelligence a guide to intelligent systems, by Michael Negnevitsky, Addidon Wesley
4. Model compression and hardware acceleration for neural networks: a comprehensive survey, Lei Deng, Guoqi Li, Song Han , Luping Shi , and Yuan Xie, Vol. 108, No. 4, April 2020, Proceedings of the IEEE 
評量方式
(僅供參考)
 
No.
項目
百分比
說明
1. 
專題1 
20% 
Regression with MLP and RBF network 
2. 
專題2 
40% 
System Identification with MLP and RBF network 
3. 
專題3 
40% 
Learning control with neural networks 
 
課程進度
週次
日期
單元主題
第1週
  Artificial neural networks in control 
第2週
  Computational neural networks 
第4週
  Multilayer perceptron and back-propagation algorithm 
第6週
  Radial basis function networks 
第7週
  System identification with neural networks 
第10週
  Control with neural networks 
第13週
  Control with neuro-fuzzy networks 
第14週
  Genetic algorithm