| 學分數 |
3
|
修課時數 |
3
|
開課班級 |
日間部碩士班2年級 A班
|
| 本課程與系所培養學生核心能力關聯度 | 高度關聯 | 中高關聯 | 中度關聯 | 中低關聯 | 低度關聯 |
| 工業工程與管理實務專業知識研讀的能力。 |
|
|
✔
|
|
|
| 規劃、設計及執行專題研究的能力。 |
|
|
✔
|
|
|
| 創新思考、獨立解決問題、以及跨領域專業整合的能力。 |
|
✔
|
|
|
|
| 專業道德與倫理素養、以及國際觀養成的能力。 |
|
|
|
✔
|
|
| 專業論文撰寫的能力。 |
|
|
✔
|
|
|
| 領導、管理、溝通及表達能力。 |
|
|
✔
|
|
|
| 終身學習態度成長的能力。 |
|
|
|
✔
|
|
| 本課程培養學生下列知識： |
|
讓學生了解類神經網路之基本之方法論與相關應用，介紹包含監督式學習與非監督式學習，主要應用於預測與辨識等領域。1.監督式學習類神經網路2.非監督式學習類神經網路3.預測與辨識等領域之應用This course introduces the basic algorithms and applications of natal networks. the basic algorithms include supervised and unsupervised learning neural networks. The applications include prediction and recognition.
|
| 每週授課主題 |
|
第01週：Introduction第02週：Introduction of supervised Neural Network (Back-pr第03週：Introduction of supervised Neural Network (Back-pr第04週：Back-propagation Model 第05週：Back-propagation Model 第06週：Math lab and PC neural; a tool for Back-propagatio第07週：A case study of Back-propagation Model第08週：Mid term Project第09週：Midterm第10週：Introduction of Unsupervised Neural Network第11週：Introduction of Unsupervised Neural Network第12週：SOM Model(1)第13週： SOM Model(2)第14週： Math lab and PC neural; a tool for SOM Model第15週：Fuzzy Model for Decision Making第16週：Math lab第17週：Project Report第18週：Final Exam
|
| 成績及評量方式 |
|
期末考：30%平時作業及出席：30%期中考：30%學習態度：10%
|
| 證照、國家考試及競賽關係 |
|
本課程無證照、國家考試及競賽資料。
|
| 主要教材 |
|
1.神經網路入門與圖樣辨識(全華科技)(教科書)
|
| 教師資料 |
教師網頁：http://ec.iem.cyut.edu.tw/?page_id=57
E-Mail： ccchan@cyut.edu.tw
Office Hour：
星期二,第3~4節,地點:E-506;
星期三,第5~6節,地點:E-506;
分機:4251
|
|
|