1、神经网络教学大纲一、课程基本信息1、课程英文名称：Neural Networks2、课程类别：任选课程3、课程学时：总学时 48，实验学时 104、学 分：35、先修课程：数据结构、计算机体系结构6、适用专业：计算机科学与技术7、大纲执笔：计算机科学与技术教研室 曹谢东8、大纲审批：计算机科学学院学术委员会9、修订时间：2005.9.18二、课程的目的与任务：人工神经网络模型只是生物神经系统的一种高度简化后的近似。它是用大量的简单神经元广泛互连成的一种计算结构，属于自适应非线性动力学系统，它具有学习、记忆、计算和各种智能处理功能。它在不同程度和层次上模仿人脑神经系统的结构及信息处理、存储和检索
2、等功能。人工神经网络是一门新兴交叉科学。自从 20 世纪 80年代中、后期掀起了一次研究人工神经网络的新高潮以来，引起了许多领域科学家的高度重视，积极开展了大量研究工作，取得了不少突破性进展。工程界对人工神经网络及其应用表示了极大的关注和热情，希望它能在用传统理论和方法难以解决的问题方面，发挥很大的作用，取得比较显著的进展。本课程力图从工程应用的角度专门对人工神经网络及其在控制、人工智能中的专家系统和预报方面的应用作比较系统的阐述。从几种典型人工神经网络的构成原理（前馈型、反馈型物理模型和自组织原则）和比较实用而有发展前途的角度选择了四类五种模型，对每种类型，按照结构、基本原理、算法、设计和应
3、用的层次加以介绍。三、课程的基本要求：对于本课程的学习，要求学生具备：数值分析、线性代数、高级语言程序设计等方面的基础知识。1、掌握人工神经网络的基本概念和特征2、掌握神经网络的学习规则和最简单的感知器3、掌握多层前馈型神经网络训练算法4、了解误差反传训练算法及其改进和应用5、掌握反馈式神经网络工作原理6、掌握自组织神经网络工作原理7、掌握 CMAC 网络工作原理四、教学内容、要求及学时分配：(一) 理论教学：1. 概述（4 学时）主要内容：1) 人工神经网络的基本概念和特征2) 人工神经网络研究的发展3) 人工神经网络构成的基本原理和功能4) 人工神经网络的分类、工作过程和模型5) 人工神经
4、网络计算和传统计算的比较6) 研究人工神经网络的意义重点：人工神经网络的基本概念和特征难点：人工神经网络计算和传统计算的比较2. 神经网络的学习规则和最简单的感知器（6 学时）主要内容：1) 神经网络常用的十种学习规则2) 最简单的感知器、学习算法及其局限性重点：学习算法难点：学习规则3. 多层前馈型神经网络（6 学时）主要内容：1) 线性不可分的模式分类2) 多层感知器的 Delta 学习规则3) 广义的 Delta 学习规则重点：多层感知器的 Delta 学习规则难点：广义的 Delta 学习规则4. 误差反传训练算法及其改进和应用（4 学时）主要内容：1) 误差反传训练算法2) BP 算
5、法的若干改进3) 隐含层数和层内单元(节点)数的确定4) 基于 BP 算法的 ANN 网络在控制领域中的应用重点：误差反传训练算法难点：隐含层数和层内单元(节点)数的确定5. 反馈式神经网络（4 学时）主要内容：1) Hopfield 神经网络2) 双向异联想记忆网络3) 海明(Hamming)网络重点：Hopfield 神经网络工作原理难点：Hopfield 神经网络能量函数6. 自组织神经网络（6 学时）主要内容：1) 竞争学习2) 基于自适应谐振理论(ART)构成的自组织神经网络3) 自组织特征映射神经网络重点：竞争学习机制难点：ART 自组织神经网络工作原理7. CMAC 网络（ 4
6、学时）主要内容：1) CMAC 模型的结构2) CMAC 网络工作原理的简单分析3) CMAC 网络的学习算法4) CMAC 网在控制中的应用重点：CMAC 网络工作原理难点：CMAC 网络的学习算法8. 人工神经网络与模糊系统（4 学时）主要内容：1) 两者的结合是发展的必然2) 两者结合的基本方式3) 两者结合模糊神经网络应用举例重点：人工神经网络与模糊系统方式难点：模糊神经网络(二) 实验教学：1. 实验课的目的1) 通过人工神经网络实验，着重掌握 BP 误差反向传播模型的构造和编程实现。2) 进一步深刻理解计算智能的自学习、自组织、并行等特征。3) 强化工程应用能力，提高应用人工神经网
7、络方法解决实际问题的能力。 2. 试验课要求编程实现三层 BP 网络模型，验证实例。 必开实验：1.实验项目名称：三层 BP 网络学习算法 6 学时 综合型 实验目的：设计一三层误差反向传播网络，实现一非线性函数 f=x*x*y-0.1*x+2*y的拟合。1）写出算法计算公式2）三层误差反向传播网络描述的基础数据结构设计3）程序设计的实现流程4）编程实现训练算法5）验证非线性映射关系仪器设备：微型计算机消耗材料：打印纸2.实验项目名称：模式识别实例验证 4 学时 验证型 实验目的：验证三层差反向传播网络在模式识别中的应用。仪器设备：微型计算机消耗材料：打印纸选开实验：1.实验项目名称：自组织特
8、征映射神经网络学习算法 4 学时 设计型实验目的： 设计一 5*5 自组织特征映射网阵列，将 50 个 10 维模式映射到自组织特征映射网上。1）写出算法计算公式2）自组织特征映射网阵列描述的基础数据结构设计3）程序设计的实现流程4）编程实现学习算法5）验证非线性映射关系仪器设备：微型计算机消耗材料：打印纸五、考试考核办法：最终考核成绩由考试成绩、实验成绩、平时成绩三部分组成：最终考核成绩考试成绩70%实验成绩20%平时成绩10%1. 考试：闭卷，满分 100 分，内容涵盖课程讲授的全部知识点。2. 实验考查：根据实验报告质量，结合工作态度、实践能力与纪律表现等因素，进行综合评判。1) 在规定时间内上交相应实验报告，及相关文档资料，以此作为课程实验部分 的考核材料；2) 以具体实例运行，验证结果；3) 综合上述两项判定最终成绩。3. 平时表现：根据作业及练习质量，结合主动性、学习能力与纪律表现等因素，进行综合评判。六、教材及参考书：(一) 教材：神经网络应用系统导论 （第 4 版） ，沈清，长沙：国防科技大学出版社，1995.04(二) 参考书：神经计算 （第 1 版次） ， 史忠植，北京：电子工业出版社，1993.11模糊信息处理及应用 （第 3 版） ，曹谢东，北京：科学出版社，2004.08
