|
課程名稱 |
腦理論
Brain Theory |
|
開課學期 |
108-2 |
|
授課對象 |
學程 神經生物與認知科學學程 |
|
授課教師 |
劉長遠 |
|
課號 |
CSIE7434 |
|
課程識別碼 |
922 U0100 |
|
班次 |
|
|
學分 |
3.0 |
|
全/半年 |
半年 |
|
必/選修 |
選修 |
|
上課時間 |
星期三7,8,9(14:20~17:20) |
|
上課地點 |
|
|
備註 |
曾修類神經網路。上課地點：資310。
限學士班四年級以上 或 限碩士班以上
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 |
The syllabus spans the history of brain theory since its inception. Brain theory is the endeavor to understand mind (thinking, intellect) in terms of its design (how it is built, how it works). Subjects include: neurobiological modeling (Hebbian synapse and Hebbian learning; NMDA/LTE), perception, multilayer perceptron, neural networks, reinforcement leraning, self-organizing map and Hopfield model.
課程內容與類神經網路相同 只有作業與 project 稍微不一樣 延伸的閱讀也略不一樣 |
|
課程目標 |
principle and applications of neural networks, including deep learning, AI,
and many others... |
|
課程要求 |
project, home assignments, 出席, exam
home assignments 作業, see (Appendix: uni-perceptron) in website
https://www.csie.ntu.edu.tw/~cyliou/red/Publications.htm
C.42. Daw-Ran Liou, Yang-En Chen, Cheng-Yuan Liou, A Parallel Bi-perceptron Approach and its Application to Data Classification, 2016 International Conference on Computational Science and Computational Intelligence, pages 1152~1157, December 15~17, Las Vegas, 978-1-5090-5510-4/16 $31.00 © 2016 IEEE, DOI 10.1109/CSCI.2016.0218 (Appendix: uni-perceptron)
project, see appendix in website
https://www.csie.ntu.edu.tw/~cyliou/red/Publications.htm
J.15. Cheng-Yuan Liou, Shao-Kuo Yuan (1999), Error Tolerant Associative Memory, Biological Cybernetics, vol. 81, pages 331-342, SCI, tutorial+code, package link, package download (Appendix) |
|
預期每週課後學習時數 |
|
|
Office Hours |
另約時間 備註： 另約時間 |
|
指定閱讀 |
lecture notes in
https://www.csie.ntu.edu.tw/~cyliou/red/NN/Classinfo/classinfo.html |
|
參考書目 |
lecture notes in
https://www.csie.ntu.edu.tw/~cyliou/red/NN/Classinfo/classinfo.html |
|
評量方式
(僅供參考) |
|
|
週次 |
日期 |
單元主題 |
|
第1週 |
2/19 |
no class |
|
第2週 |
2/26 |
no class |
|
第3週 |
3/04 |
Perceptron
Chapter 1 + 2 |
|
第4週 |
3/11 |
MLP
Chapter 3 Bi-perceptron + Uni-perceptron |
|
第5週 |
3/18 |
Chapter 6 |
|
第6週 |
3/25 |
Hinton's deep learning |
|
第7週 |
4/01 |
Reinforcement learning |
|
第8週 |
4/08 |
交作業一 紙本
Reinforcement learning + Chapter 5 |
|
第9週 |
4/15 |
Elman network |
|
第10週 |
4/22 |
SOM |
|
第11週 |
4/29 |
SOM |
|
第12週 |
5/06 |
Hopfield model
交 Project 紙本 |
|
第13週 |
5/13 |
MLP NetTalk |
|
第14週 |
5/20 |
more on Perceptron
applications of Hopfield model
more on tiling algorithm
more on reinforcement learning
|
|
第15週 |
5/27 |
review on 萬能 functions
RL
languages |
|
第16週 |
6/03 |
setting MLP weights using Chapter 5 SIR
applications
作業 + project + 語言斷層 |
|
第17週 |
6/10 |
no class |
|