人工神经网络实用教程》教学大纲人工神经网络实用教程》课程.doc

人工神经网络实用教程课程教学大纲一、 课程主要内容本课程针对具有应用前景且被广泛关注的神经网络领域，简要介绍了神经网络的基本概念和学习算法，详细介绍了人工神经网络的基本模型、BP网络、Hopfield网络模型、自组织神经网络模型、联想记忆模型、Boltzmann机、CMAC模型、遗传算法原理。本课程重点阐述神经记忆和计算的思想、人工神经网络设计概念与方法。第一章：概述本章主要介绍神经网络的研究与发展历程及生物神经元等基本概念。第二章：人工神经网络基本模型本章主要介绍了几个有代表性的模型，即MP模型、感知器模型、自适应线性神经元Adaline模型。第三章：EBP网络本章主要介绍含隐层的前馈网络的学习规则、激发函数下的BP算法及多层网络BP算法的程序设计。第四章：Hopfield网络模型本章主要介绍离散型Hopfield神经网络、连续型Hopfield神经网络和旅行商（TSP）问题的HNN求解。第五章：随机型神经网络本章主要介绍随机型的神经网络为求解全局最优解提供的有效算法。其中Boltzmann机模型采用模拟退火算法，使网络能摆脱能量局部极小的束缚，最终达到期望的能量全局最小状态，Gaussian机模型采用模拟退火和锐化技术，有效地求解优化及满足约束问题。本章就模拟退火算法和采用该算法的上述模型进行介绍。第六章：自组织神经网络本章主要介绍了采用竞争型学习机制的无教师学习的神经网络模型，即自组织神经网络，及自组织神经网络的代表模型ART模型、SOM模型和CPN模型。第七章：联想记忆神经网络联想记忆AM（Associative Memory）是神经网络研究的一个重要方面，它将任意的输入矢量集通过线性或非线性映射，变为输出矢量集。本章专门对联想记忆的神经网络进行讨论。第八章：CMAC模型CMAC是一个对多维连续系统的自适应学习网络，本章从CMAC模型入手，介绍了CMAC映射算法、CMAC的输出计算及CMAC控制器模型。第九章：遗传算法原理遗传算法GA是一种根据生物学中所谓自然选择和遗传机理的随机搜索优化算法。本章从遗传算法的原理出发介绍了遗传算法的实现步骤。二、人工神经网络实用教程课程教学大纲说明本课程适用于理工科大学本科、研究生，总学时60学时，授课40学时，上机实习20学时。（一） 本课程的性质与任务本课程系统的介绍了人工神经网络典型模型的原理、算法，并对遗传算法的基本原理也作了简单介绍。（二） 本课程的基本要求1.了解人工神经网络的发展历程。2.熟悉人工神经网络的基本模型。3.掌握反向传播算法、Hopfield网络模型、随机网络模型等典型模型。4.理解遗传算法的工作原理和实现步骤。（三） 本课程的重点、难点分析本课程重点是在理解和熟悉人工神经网络基本模型的基础上，掌握几种典型的模型，尤其是Hopfield模型、Boltzmann机联想记忆模型、CMAC模型。难点在于理解和掌握Hopfield模型、Boltzmann机联想记忆模型、CMAC模型。（四） 本课程的学习必须具备高等数学、线性代数、概率论与数理统计、程序设计方法课程的相关知识。（五） 本课程教学环节的说明1.授课40学时。2.上机实习完成作业20学时。3.考试完成课程设计。（六） 学时分配建议 目 录授课学时上机实习第一章：概述21第二章：人工神经网络基本模型42第三章：EBP网络42第四章：Hopfield网络模型63第五章：随机型神经网络62第六章：自组织神经网络63第七章：联想记忆神经网络62第八章：CMAC模型43第九章：遗传算法原理22（七） 推荐教材及参考书1. 教材 杨建刚：人工神经网络实用教程，浙江大学出版