| 學分數 |
3
|
修課時數 |
3
|
開課班級 |
日間部碩士班1年級 A班
|
| 本課程培養學生下列知識： |
|
本課程介紹類神經網路的基本結構，如：感知器、倒傳遞網路及自組織網路等，訓練學生瞭解LMS、倒傳遞及自組織等學習規則，並介紹類神經網路如何應用在圖樣識別、信號處理以及控制系統等工程領域。
1.熟悉類神經網路技術的應用與發展2.熟悉類神經網路基本結構，如:感知器、倒傳遞網路及自組織網路3.瞭解LMS、倒傳遞及自組織等學習規則4.熟悉類神經網路技術在圖樣識別、信號處理以及控制系統等領域的應用5.能進行相關論文研讀與簡報This course introduces the basic structure of a neural network, such as: sensor, back-propagation network and self-organizing networks, etc.. The aim of training students to understand the LMS, back-propagation learning rule and self-organization, and describes is for applying neural networks in pattern recognition, signal processing and control systems engineering.
|
| 每週授課主題 |
|
第01週：課程說明、人工智慧的過去、現在和未來（一）第02週：人工智慧的過去、現在和未來（二）第03週：人類的記憶、推理與思考過程（一）第04週：人類的記憶、推理與思考過程（二）第05週：類神經網路的原理（一）第06週：類神經網路的實現與應用（以MATLAB軟體neural network工具箱為例）（一）第07週：類神經網路的原理（二）第08週：期中報告（一）第09週：期中報告（二）第10週：期末報告（三）第11週：古典最佳化（一）第12週：古典最佳化（二）第13週：演算法（一）：單調學習第14週：演算法（二）：非單調學習第15週：幻想與現實的距離第16週：期末報告（一）第17週：期末報告（二）第18週：已調課至4/27的第X與8節、6/22的第8節
|
| 成績及評量方式 |
|
期中報告：30%期末報告：40%平時作業及出席：30%
|
| 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。
|
| 教師資料 |
教師網頁：http://www.cyut.edu.tw/~goudapeng/
E-Mail： goudapeng@cyut.edu.tw
Office Hour：
星期三,第3~4節,地點:M-116;
星期四,第3~4節,地點:M-116;
分機:
|
|