北京师范大学研究生培养计划

第4页共15页北京师范大学研究生培养方案信息科学与技术学院信号与信息处理专业（代码：08１002）（一级学科：信息与通信工程学）本专业具有硕士学位授予权一、培养目标与学习年限本培养方案是进行研究生培养的主要依据,它规定了研究生培养的目标和方向，明确了研究生培养的过程和环节,修订和制定好培养方案是规范研究生培养工作,加强研究生教育管理，提高研究生教育质量的重要措施。培养方案的修订和制定应体现本专业研究生培养的基本要求,适应学科发展方向，符合拓宽学生知识面的要求，反映信息科学与技术学院各学科自身的特色.１、培养目标（1)基础研究领域:为该专业领域培养高质量的基础研究和应用基础研究人才,为进一步的研究（攻读博士学位)打下基础；（２）应用研究领域:培养本专业从事应用基础研究或应用开发的人才.本专业分别在一级学科开设5门、二级学科开设５门面向基础与应用研究的品牌课程；加强学生的理论修养，为进一步的研究与学习奠定基础。强调研究方法、基本技能的训练,鼓励学生积极参加实际的科研项目,在实践中培养学生的独立科研和技术开发能力，拓展学生的专业视野，便于学生就业。2、学习年限本专业学制为三年。二、专业研究方向序号研究方向名称主要研究内容研究生导师１智能信息处理在基础研究与应用研究领域开展生命信息(主要指神经信息和生物信息）系统的数据分析、数据挖掘和计算模型等方面的研究，针对各种脑数据如fMRI、ＤＴI、EEＧ等信号以及生命数据如基因组数据等信号，运用信息科学的基本理论、方法和技术手段,与认知科学、神经科学相结合,开展人脑高级功能信息处理的方法论及其应用的研究,并尝试开展在脑疾病的辅助诊断方面的应用研究。姚力、赵小杰、余先川、黎洪松、张家才２空间遥感信息处理通过对机载、星载传感器获得的地球表面微波辐射或者雷达后向散射信号的定量分析，获取地表、植被、积雪、大气等的信息过程。这些信息的获取首先依赖于研究对象的几何化，然后分析其微波散射和吸收特性,通过辐射传输理论解决面散射、体散射的过程。张钟军、余先川、赵志文３图像与语音信号处理主要利用随机场理论、小波分析理论、混沌同步理论、计算机网络技术、组合优化技术及神经网络技术研究图像、语音信号处理，例如,图像建模、低信噪比图像恢复与分割、语音合成、语音图像视频数据压缩编码、数据加密通信，并将研究成果应用于电子信息系统和教育领域,例如，计算机辅助教学、网络教学等。叶卫平、王建明、张立保三、课程设置与学分要求1.硕士生必修课:公共课８学分学位课学位基础课(3门）(含一门方法类课程）至少9学分学位专业课(3-４门)至少９学分选修课:全校选修课公共选修课0-３学分专业选修课至少3学分必修环节：实践活动1学分开题报告不计学分注明：（1）公共选修课由研究生院培养处组织开设，除一外为小语种的研究生必修二外英语以外，其他研究生可以不修公共选修课，如选修，每人累计不超过3门.(2）非学位选修课不是必须要选的课程,培养方案中所列的非学位任选课程仅供参考，原则上由导师决定学生选修哪些课程.必修环节只保留实践活动1学分，开题报告不计学分,但必须完成。而学术活动已经取消，没有学分要求,学生可以自愿参加。四、培养方式与考核方式1、培养方式与要求（1)课程学习：以教师讲授、专家专题讲座、课堂报告与讨论、课外文献查阅与撰写文献综述、课外小型实证研究与报告撰写、自学等方式开展。课程学习安排在前3学期完成。(2）研究与学术活动：参与研究与学术活动是研究生获得和提高研究与实践应用能力的必要途径。研究生应当积极参与导师、研究所和实验室组织的研究和其他学术活动,并应积极参加国内外高水平专业学术会议。研究生的研究和学术活动主要由导师会同该研究生指导小组进行指导。研究生指导小组由导师根据该研究生的研究方向和具体课题，邀请相关领域教授、副教授或具有博士学位的研究人员组成，硕士研究生指导小组应有２名成员（不包括导师本人)。2、中期考核方式中期考核包括：课程学习、开题报告，应在第三学期末完成,中期考核合格者方能进入撰写论文阶段.五、学位论文与论文答辩1、学位论文硕士学位论文类型可以是基础研究、应用基础研究、应用研究，学位论文的选题应体现本学科领域的前沿性或工程技术的先进性，并和导师承担的科研项目挂钩,完成一定的工作量。论文字数一般不超过3万字。学位论文必须由本人撰写,内容主要应包括中、英文摘要,引言（包括文献综述和问题的陈述）、主要结果（包括理论、方法、实验结果及分析）和结论、参考文献。研究生应保证论文内容的科学性和实验数据的可靠性。应当真实反映自己的研究结果,严格区分引用他人的成果与本人的贡献。引用他人的结论必须注明详细出处。研究生论文中有虚假或重要错误者不准进入答辩。２、论文答辩必须在研究生院规定的日期以前,研究生按照相关规定完成论文撰写并打印成册，按研究生院规定的程序申请答辩。论文的评审，答辩委员会的组成及答辩程序按研究生院和信息科学与技术学院的相关规定实施。六、课程一览表与主要参考书目1。硕士生课程课程类别课程中文名称课程英文名称任课教师学分学时上课学期学位基础课随机过程StｏchａsｔicPrｏｃeｓseｓ胡丹３5１1非线性动力学导论ＩｎｔrodｕctiontoＮｏnlineaｒDyｎamiｃs姚力3511信息论基础InformaｔionTheory叶卫平351１现代信号处理MｏdernSignaｌProcesｓinｇ赵小杰３５12数字通信理论DigｉｔaｌCoｍｍunｉcａtｉonTｈeory黎洪松3512应用小波分析WaｖｅletAｎalysｉsａnｄｉｔsＡppｌｉcaｔｉoｎs赵志文3512数字图像处理DiｇitａlImａgｅProｃeｓｓiｎg张立保3511信号检测与估计SｉgnａlDeteｃtioｎanｄEstｉｍａｔｉon王建明3５12人工神经网络ArtificｉａlNeuraｌＮeｔwｏrkｓ郭平、张家才3５12PatｔernRecoｇｎitiｏｎａｎdＩnteｌｌｉgencｅSyｓtｅmｓ张家才35１1专业选修课功能磁共振成像FunctionＩｍaｇingTecｈnolｏgy姚力３512超大规模集成电路设计ＶｅryＬargｅScａｌeInｔegrａteｄCircuiｔDesiｇn骆祖莹３５12语音信号数字处理ＤｉgitalＰｒocessiｎgoｆSｐｅｅcｈSignａls叶卫平３51２数字电视DｉgitaｌTeleviｓion欧阳白351１微波散射与辐射模型MｉｃｒowａvｅScａtｔｅｒiｎgａnｄEｍiｓsｉoｎMoｄel张钟军351２现代信息安全科技AdｖaｎcedInformatiｏnSｅcurityScｉｅnceａｎdTeｃhｎoｌoｇｙ赵志文3５11泛函分析FｕncｔioｎａlAnａlｙsis胡丹3５１２学科前沿课程FrontiｅrsofSｉgnalandIｎformatioｎProcｅsｓ３51２注明：硕士生课程应安排在前三学期完成，其中学位基础课和学位专业课应安排在前两学期分秋季、春季较为固定地开设。“上课学期”用1、2标注，如两学期都开设，填写“１和2”。基础课和专业课一般为3学分,专业选修课为2学分，每学分对应１8学时，即3学分＝５4学时,２学分=３6学时，１学分＝18学时.院系可以自主设置模块化课程,规定相应的学分和学时。2。课程内容简介信号与信息处理专业的学位基础课、学位专业课的内容简介如下所示。（1)随机过程课程中文名（英文名)：随机过程(SｔｏcｈastiｃＰｒocｅｓsｅｓ）学时：54学分:31．主要内容随机过程是现代概率论的一个重要课题，它主要研究和探讨客观世界中随机演变过程的规律性，并应用于控制﹑通信﹑生物﹑物理﹑雷达通讯﹑地质﹑天文气象﹑社会科学等工程科学技术中。本课程的主要内容包括随机过程的基本定义、分类及数字特征;马尔可夫过程（独立增量过程、泊松过程、更新过程、排队服务系统);平稳过程；随机分析；随机过程通过线性系统;随机过程与智能计算.其重点是对随机过程的基本知识及其在信号处理、智能计算和模式识别等方面的应用进行分析与介绍。2．教学大纲（1）教学目的通过本课程的学习，应使学生能了解随机过程的基本概念,正确判别随机过程的类别,掌握随机系统理论,进一步提高利用数学模型解决随机问题的能力.(2)教学要求第1章（概论)要点：随机过程的定义及分类、随机过程的产生与发展、随机过程研究的主要内容、随机过程的应用。授课:３学时。第2章(随机过程的分布率与数字特征）要点：有限维联合分布函数族、随机过程的期望函数和方差函数、随机过程的自相关函数和自协方差函数、随机过程的互相关函数与互协方差函数、复随机过程的统计特征、平稳过程简介。授课：6学时。第3章（马尔可夫过程)要点：马尔可夫过程的相关概念及例子、C-Ｋ方程式、马尔可夫链中状态的分类、转移概率的渐进性质与平稳分布、非常返态分析。授课:１4学时。第４章（隐马尔可夫过程）要点：隐马尔可夫模型、隐马尔可夫模型的核心问题及相应算法。授课：3学时。第5章（状态离散参数连续的马尔可夫过程）要点：状态离散参数连续的马尔可夫过程基本概念、泊松过程、Ｋolmoｇｏroｖ前进后退方程式、排队服务系统。授课：14学时.第6章(随机分析）要点：二阶矩过程、均方极限、均方连续、均方导数、均方积分、随机微分方程。授课：６学时。第7章（随机过程通过线性系统）要点：随机过程的遍历性、随机过程与通过线性系统分析。授课：4学时.第８章（估值理论)要点：随机变量的均方估值、最佳线性估值、最佳线性估值在随机过程中的应用。授课：４学时。(３）课程教材及参考书教材:陆大糹金，随机过程及应用,清华大学出版社参考书：1、龚光鲁,钱敏平，应用随机过程教程，清华大学出版社２、LｏｎnieＣ.Ludeman，随机过程—滤波、估计与检测，电子工业出版社ﻩ(2)非线性动力学导论课程中文名(英文名）:非线性动力学导论（IｎｔrｏdｕcｔiｏntoＮｏnlｉnｅarＤｙnamicｓ）学时:５４学分：31．主要内容非线性是自然界普遍存在的现象，对于这些现象的解释已逐步形成了非线性的基本理论,并被广泛应用于各个领域，如：信息处理、控制工程、生态乃至化学等等。本课程主要讲授系统的非线性动力学特性、建模与分析方法，以及这些方法在实际系统中的应用.2．教学大纲第一章有限差分方程从最基本的Ｌogｅｓｔｉc方程入手,介绍了混沌现象中的基本概念、特性，介绍了自然界中具有混沌现象的真实系统.第二章布尔网络与元胞自动机介绍了布尔网络与元胞自动机形成的基本原理与规则,以及在实际系统中的应用.第三章自相似与分形介绍了分形的基本理论、分维的基本概念.第四章一维微分方程从非线性动力学的角度,介绍了一维微分方程的特性。第五章二维微分方程从非线性动力学的角度，介绍了二维微分方程的特性，引入了相平面、流、焦点、鞍点等概念；并用实际系统对上述概念进行展示。第六章时间序列分析介绍了时间序列分析的若干分析方法，如：均值和方差，线性相关和功率谱，维数，李雅普诺夫指数等。课程教材及参考书：《UnderｓｔanｄｉｎgNｏnlinearDynaｍicｓ》，DanielKapｌanａndLeoｎGｌasｓ，世界图书出版公司（3)信息论基础课程中文名（英文名):信息论基础（ＩｎformatｉonＴheorｙ）学时：54学分：31。主要内容“信息论基础”课程是“通信与信息系统”、“信号与信息处理”专业的一门学位专业课。主要内容包括信息的度量、离散信源编码理论、离散信道编码理论、连续信道编码理论、率失真理论以及网络信息论.2。教学大纲(１）教学目的通过本课程的学习，使学生能够掌握信息理论的基本原理和基本分析方法,掌握常用信源信道模型及解决问题的方法，为信息存储、传输、处理研究打下理论基础。（2）教学要求第1章(概论）要点:信息论发展历史、研究对象及基本内容。授课：3学时.第2章(信息熵）要点:离散信息度量，离散信息熵、互信息概念，重要结论的证明方法。授课：６学时。第3章（渐进同分性）要点：离散无记忆信源的渐进同分性及信源编码定理证明。授课：３学时。第4章（熵率）要点：熵率、离散平稳信源、马尔科夫信源.授课：3学时。第５章(数据压缩）要点：离散信源编码定理、Ｈｕｆfmａn编码/算术编码/ＬＺ编码。授课：9学时,实验３学时。第６章(离散信道编码定理）要点:典型离散信道模型、无记忆二元对称信道、联合渐进同分性、信道编码定理、信道编码定理证明、纠检错编码简介。授课：9学时。第7章(连续信源熵）要点:连续信源熵、连续熵和离散熵的关系，连续信源的渐近同分性。授课:２学时。第８章(高斯信道）要点:高斯信道及信道编码定理、限带高斯信道及山农公式、并联高斯信道.授课:１０学时.第9章(率失真理论)要点:率失真理论、矢量量化。授课：6学时。第10章(网络信息论)要点：高斯多用户信道、多址接入信道及FＤＭA/TＤＭA/ＣＤMA容量、相关信源编码及多描述编码、网络信息论其它定理。授课：9学时。(3）课程教材及参考书教材:EｌemeｎtsofＩnfoｒｍatｉｏｎThｅoｒy,Ｔ.Cｏveｒ＆J.Ｔhomａs参考书:信息理论基础，周炯槃应用信息论基础,朱雪龙信息论与编码理论,沈世镒、陈鲁生信息论与编码,姜丹信息论--基础理论与应用,傅祖芸。(4）数字通信理论课程中文名（英文名)：数字通信理论（DigitalＣommuｎiｃatｉoｎTheｏｒy)学时：６0学分：３1.主要内容“数字通信理论”课程是电子信息科学技术和计算机科学技术专业的一门学位基础课。本课程讲授数字通信的基本理论和基本技术,主要内容包括：通信系统模型、通信信号、信源编码、通信信道、传输理论、信道编码、通信安全、通信网理论基础等。2.教学大纲(1）教学目的通过本课程的学习，应使学生能了解和掌握通信的基本概念、基本理论和基本技术,熟悉通信系统的组成、信号设计分析、最佳接收、传输原理、通信网基本知识,了解常用的一些数字通信系统，学习通信系统的设计和技术方法。（２）教学要求第1章（概论）要点:通信理论与信息科学,通信系统模型和性能指标，通信理论的主要目标等.授课：3学时。第2章(通信信号）要点:信号分析理论基础,通信信号表示，随机变量，随机过程，随机信号通过系统.授课:9学时。第3章（信源编码）要点：信息的度量，信源及信源熵，无失真信源编码，限失真信源编码。授课：6学时。第4章（通信信道）要点：信道分类,信道分割与信道复用,信道模型，信道容量，无线信道。授课:6学时。第5章（传输理论)要点：基带信号传输,调制理论，信号正交理论与多址通信，最佳接收，锁相环原理。授课:１2学时。第6章(信道编码）要点：信道编码基础,有扰离散信道的编码定理,线性分组码，循环码,卷积码，级联码,Ｔuｒbo码，交织码，信道编码理论上的潜在能力与最大编码增益。授课：1２学时。第７章（通信安全)要点:密码学基础，加密通信系统模型，序列密码，分组密码，公开密钥密码，典型加密算法,信息隐藏,认证.授课：6学时。第８章（通信网理论基础)要点：交换原理,话务理论，排队理论,图论，网络可靠性理论。授课：6学时。（３)课程教材及参考书自编教材《数字通信原理》.（5）应用小波分析课程中文名(英文名)：应用小波分析（WaｖeｌetAｎａlｙsisanditsＡpｐlｉｃaｔionｓ）学时：51学分：31。主要内容小波变换、小波级数、框架、抽样理论、Gaｂｏr变换与短时Ｆｏｕriｅr变换；多分辨分析、小波分解与重构算法、初始函数的选取与图形显示算法；正交、半正交、双正交尺度函数与小波的构造;多元小波分析；正交、半正交、双正交小波包。应用方面有：图像压缩、小波多尺度边缘检测在信号分析中的应用，以及在通信、医学、计算机视觉、计算机图像学方面的应用。2.教学大纲（1)教学目的本课程介绍小波分析的基础及简单应用,通过本课程的学习掌握小波分析的基本概念和基本理论，掌握连续小波变换和离散小波变换的方法，掌握正交小波、半正交小波、双正交小波、多分辨分析的应用，熟悉Ｌ空间中的信号的分解和重构，熟悉小波的各种应用。(2）教学要求第1章（小波分析基本模型和基本理论)要点:什么是小波、准备知识、连续小波变换、离散小波变换与二进小波变换、离散小波变换与框架、多分辨分析与正交小波基、小波包、高维小波基、向量小波。授课：６学时。第２章(小波分析滤波系统)要点:连续小波变换滤波、离散小波变换滤波、小波分解算法与重构算法、多带滤波器、高维滤波器、有限长滤波器的边界延拓、最优算法和最优描述。授课:9学时。第3章（小波函数的构造与滤波器设计）要点:常见的一维小波函数、连续小波的构造、二进小波的构造、正交小波基的构造、Mａlvar小波的构造、不可分正交小波的构造、双正交小波基的构造、多带小波基的构造、向量小波基的构造。授课：9学时。第４章(小波变换在数据压缩及去噪中的应用)要点:小波变换用于语音编码、小波变换的能量特性与数据压缩、时—频局部化与分块量化、零树法、第二代小波变换图象编码、小波多尺度降噪算法。授课:9学时.第５章（小波变换在特征提取与模式识别方面的应用）要点:小波分析用于信号滤波、小波分析在IＣT中的应用、小波分析在故障诊断中的应用、小波分析在ＥCＧ信号检测中的应用、小波分析在加密中的应用、信号瞬时特征的小波分析方法.授课：6学时。第6章（小波变换在通信中的应用）要点：基于小波变换的扩频方法、小波变换在ＣDMA中的应用.授课:6学时。第７章(小波变换在数值计算中的应用）要点:基于小波基函数表示的偏微分方程的数值解法、小波分析在物理学中的应用、小波分析在工程中的应用、小波分析在线性系统中的应用.授课:6学时。(3）课程教材及参考书教材：小波变换的工程分析与应用，杨福生著，科学出版社，200０,１。参考书：《小波分析及其应用》,刘贵忠,邸双亮，西安电子科技大学出版社出版，１９9２。《实用小波分析》，秦前清等，西安电子科技大学出版社，20０1。《TenLeｃtｕresonｗaveｌets》，Dauｂeｃhieｓ，Ｓｉam，Ｐｈｉｌａdeｌphｉa，PA,199２。《Aｗａvｅlｅttoｕｒtosｉgｎａｌprｏcｅsｓｉｎｇ》,Ｓ．Ｍａlｌａt，AcａdemｉcPｒess，Ｂoston，199８(6）数字图像处理课程中文名(英文名)：数字图像处理（ＤigiｔａlImａｇeProcｅssinｇ）学时:54学分：３1．主要内容“数字图像处理”课程是通信与信息系统专业、信号与信息处理专业与计算机应用技术专业的一门学位专业课程.本课程的主要内容是系统讲解图像的数学描述、图像的数字化、图像正交变换、图像增强、图像恢复与重建，图像编码及图像分割等基本图像处理方法,介绍当前数字图像处理领域研究的热点问题，指出数字图像处理今后的发展方向.２.教学大纲(１）教学目的通过对本课程的系统学习，使学生不仅掌握实现各种数字图像处理工作的基本数学原理,而且了解目前图像处理领域新的研究课题，为在图像与视频编码、计算机视觉以及模式识别等领域从事研究与开发打下扎实的基础。（２）教学要求第1部分（基础理论)要点:数字图像处理技术与分析系统概述.授课：３学时。第２部分（基础理论）要点：图像和视觉基础。授课：３学时。第3部分（基础理论）要点：图像的图像的基本运算与直方图的概念.授课：6学时。第4部分（基础理论)要点：图像的傅立叶变换及其他可分离图像变换。授课:6学时。第５部分（基础理论）要点：图像增强与滤波技术。授课:６学时。第6部分（基础理论)要点：图像恢复和重建。授课:3学时。第7部分（基础理论）要点:图像编码的基本理论与实现方法。授课：６学时.第８部分（前沿讨论）要点:基于小波变换与零树框架的图像编码新机制。授课：3学时.第９部分(前沿讨论）要点：JPEＧ２与ＪPEG200０编码标准简介.授课：６学时。第10部分（基础理论）要点：边缘检测与图像分割技术。授课:3学时.第１1部分（前沿讨论）要点：数字水印新技术.授课:3学时。第12部分(前沿讨论)要点：针对其他数字图像处理研究热点问题的讨论.授课:６学时。(3)课程教材及参考书《图像处理（第二版）》章毓晋编著清华大学出版社2０0６。3《数字图像处理》KenｎeｔｈR。Caｓｔleman著朱志刚等译电子工业出版社１９９8。9《数字图像处理学》阮秋琦编著北京电子工业出版社２０01《精通Visｕal.Ｃ++。ＮET图像处理编程》周长发编著北京电子工业出版社２002．4《数字图像处理与压缩编码技术》黄贤武王加俊李家华编著电子科技大学出版社200０.1２（７)信号检测与估计课程中文名（英文名):信号检测与估计（SignalDｅｔecｔionandEstｉmａtion)学时：３6学分：２1.主要内容信号检测与估计是信号处理专业的一门学位专业课。课程的主要内容包括频谱分析、信号检测与信号估计等信号处理所涉及的三大核心内容，课程的重点是随机信号的统计处理.课程的应用范围涉及到雷达信号的处理，通信信号处理、语音、图象信号的分析和处理、神经网络等领域。2。教学大纲(1）教学目的通过本课程的学习，可使学生掌握信号处理的经典理论和基本方法，从理论的高度去理解和分析以前所学的电子学方面的基础知识和专业知识，从更高的层次上掌握各门电子学科之间的内在联系,激发学习兴趣和创新热情，为今后的科研工作奠定理论基础,为将来的发明、创造性研究增强意识和潜力.（2）教学要求第1章（导论）要点：信号处理的核心研究内容，信号处理的应用举例,学习本课程的目的。授课:2学时第２章（傅里叶变换）要点：各种信号的概念及其转换,各种形式的傅里叶变换及其关系，傅里叶变换的应用，快速傅里叶变换。授课：６学时。第3章(匹配滤波)要点:输出信噪比最大的线性滤波器，匹配滤波器，相关接收，白化滤波的处理方法。授课：６学时。第4章(信号检测）要点:而元假设检验和判决规则,贝叶斯准则,最小总错误概率准则，奈曼-—皮尔逊准则,极大——极小准则，多元信号的检测，序贯检测,二元已知信号的检测，检测系统的工作特性和性能指标,二元随机参量信号的检测.授课:8学时.第5章(信号参量估计)要点：参量估计的基本概念,贝叶斯估计,最大似然估计，估计量的质量及其性质，线性最小均方估计。授课：8学时。第6章(波形估计）要点：波形的简单估计、维纳滤波、标量信号的卡尔曼滤波和预测。授课：4学时.第７章（信号处理的发展现状概况）要点:新近的一些信号处理技术、信号处理动向等。授课：2学时。（3）课程教材及参考书自编讲义和复印材料;《信号检测与估计》国防科学技术大学许树声编著国防工业出版社《信号检测与估计》景占荣羊彦编著化学工业出版社书号：７-5025－５782-2《信号处理离散频谱分析、检测和估计》［美]M。许华兹L.肖著科学技术出版社《统计信号处理》刘福声罗鹏飞国防科技大学出版社(８）人工神经网络课程中文名（英文名）：人工神经网络(ArtiｆicｉａlNｅｕrａlNetworks）学时：54学分:3１．主要内容“人工神经网络”课程是模式识别与智能系统、信号与信息处理专业专业的学位专业课,计算机应用技术专业的专业选修课，用于将学生引入人工神经网络及其应用的研究领域。人工神经网络及其应用是目前国际上一门发展迅速的前沿交叉学科。本课程系统介绍人工神经网络及其基本网络模型，使学生了解智能系统描述的基本模型;掌握人工神经网络的基本概念、单层网、多层网、循环网等各种基本网络模型的结构、特点;典型训练算法、运行方式、典型问题；掌握软件实现方法。2．教学大纲（１）教学目的通过本课程的学习,应使学生能较了解人工神经网络的有关研究思想，从中学习开拓者们的部分问题求解方法。通过课后实验进一步体会有关模型的用法和性能,获取一些初步的经验.查阅适当的参考文献,将所学的知识与自己未来研究课题（包括研究生论文阶段的研究课题）相结合起来,达到既丰富学习内容，又有一定的研究和应用的目的。（2)教学要求第一章概述。本章包括智能及其实现,神经细胞及神经细胞组成的网络,人工神经网络的特点,人工神经网络的发展史，人工神经网络的类型及人工神经网络的研究方法和主要内容.授课：3学时。第二章人工神经网络基础。本章介绍了基本神经元后，将概要介绍人工神经网络的一般特性。主要包括,生物神经网络模型,人工神经元模型与典型的激励函数；人工神经网络的基本拓扑特性,存储类型（CＡM──ＬTＭ，AＭ──STM）及映象，Sｕｐerviｓｅd训练与Unｓupeｒｖised训练。授课６学时。第三章感知器。本章以感知器算法为例，介绍前向型人工神经网络与人工神经网络的早期发展；单层网能解决线性可分问题,而无法解决线形不可分问题,要想解决这一问题,必须引入多层网；Hebb学习律,Delｔa规则，感知器的训练算法，并要求学生实现一个感知器.授课8学时，实验讨论1学时.第四章反馈型人工神经网络。本章讲解BP（Ｂaｃkpropａgatｉon）网络的构成及其训练过程;隐藏层权调整方法的直观分析，ＢP训练算法中使用的Dｅltａ规则(最速下降法）的理论推导；算法的收敛速度及其改进讨论;BP网络中的几个重要问题，并完成实现ＢＰ算法的实验。授课5学时，实验讨论1学时。第五章对传网。本章引入生物神经系统与异构网；对传网的网络结构,Ｋohｏｎen层与Groｓsｂerg层的正常运行,对传网的输入向量的预处理，Kohoｎeｎ层的训练算法及其权矩阵的初始化方法;Grｏssbｅrｇ层的训练;完整的对传网；并实现基本的对传网。授课8学时，实验讨论1学时。第六章基于统计方法的神经网络。本章引入统计方法是为了解决局部极小点问题,统计网络的基本训练算法,模拟退火算法与收敛分析，Ｃaｕcｈy训练，人工热处理与临界温度在训练中的使用，BＰ算法与Caｕｃhy训练相结合，并实现模拟退火算法。授课８学时,实验讨论１学时。第七章循环网络。本章介绍循环网络的组织,稳定性分析;相联存储;统计Hoｐｆｉｅlｄ网与Ｂolｔzｍann机；Hｏｐfiｅｌd网用于解决TＳＰ问题，BAＭ（ＢidirectiｏnａlAｓsｏciatｉｖｅＭｅmoｒｙ）用于实现双联存储;基本双联存储网络的结构及训练；其他的几种相联存储网络。授课９学时（3）课程教材及参考书周志华,清华大学出版社，神经网络及其应用,２00５年１1月.（美）MartinT。ＨoｇａｎHoｗａrdＢ．Demｕth等著,戴葵等译，神经网络设计,机械工业出版社，2005年3月。胡守仁、余少波、戴葵,神经网络导论，国防科技大学出版社,１9９3年10月．杨行峻、郑君里,人工神经网络，高等教育出版社，199２年9月.飞思科技产品研发中心，神经网络理论与ＭAＴＬAB7实现,电子工业出版社,20０5年1０月。（9）课程中文名(英文名）：模式识别与智能系统(ＰatterｎＲecｏgｎitionandIntｅｌｌigenｃeＳｙｓｔemｓ）学时：５4学分：31。主要内容“模式识别与智能系统”课程是模式识别与智能系统、信号与信息处理专业的学位基础课,信号与信息处理专业及通信与信息系统专业的学位专业课.该课程是研究计算机模式识别的基本理论和方法、应用.模式识别就是利用计算机对某些物理现象进行分类,在错误概率最小的条件下，使识别的结果尽量与事物相符。模式识别的原理和方法在医学、军事等众多领域应用十分广泛。本课程的主要任务是,通过对模式识别的基本理论和方法、运用实例的学习，使学生掌握模式识别的基本理论与方法，培养学生利用模式识别方法、运用技能解决本专业及相关领域实际问题的能力，为将来继续深入学习或进行科学研究打下坚实的基础。２．教学大纲（1）教学目的本课程开设的目的是为了使学生能应用模式识别处理计算机自动识别事物,机器学习数据分析中有关的技术问题。由于本课程的目标是侧重在应用模式识别技术，因此在学习内容上侧重基本概念的讲解,辅以必要的数学推导和实验,帮助学生获得必要的模式识别基本知识，了解学科发展前沿,掌握模式识别的一般方法;通过模式识别的学习，提高学生解决工程实际问题的能力；同时学生在学习过程中还会用到一些概率论的最基本知识，线性代数中的部分知识，帮助学生进一步理解与巩固相关基础知识,起到温故而知新的作用。（2）教学要求第一章总论（或绪论、概论等），课堂讲授3学时。教学要求:使学生了解模式识别的概念和过程;要求详细讲解模式识别系统的组成及各部分的功能，已使学生了解模式识别的过程，对模式信息的采集和预处理只做简单介绍即可。第二章贝叶斯决策理论，课堂讲授6学时。教学要求:在介绍Bａyｅｓ法则，基于最小错误率的贝叶斯决策，基于最小风险的贝叶斯决策，最小最大决策，贝叶斯决策的错误率问题的基础上，着重讲解基于Bayeｓ法则的分类方法.使学生掌握模式识别中对非确定性模式的处理方法。采用编程练习的方式，在计算机上实现所学算法.第三章概率密度函数的估计，课堂讲授6学时。教学要求:了解参数估计在统计决策中的应用，介绍参数估计的引入与基本概念.正态分布的监督参数估计，最大似然估计与贝叶斯估计。非监督参数估计的概念。总体分布的非参数估计的基本方法，Paezen窗法.着重讲解最大似然估计与贝叶斯估计。使学生掌握模式识别中对非确定性模式的处理方法。非参数估计只做简单介绍.第四章线性判别函数,课堂讲授5学时，实验讨论1学时。教学要求：详细讲解线性函数的概念与特点,用判别域界面方程分类的概念，及Fisheｒ线性判别，最小错分样本数准则，最小平方误差准则函数,等几种算法的技术思想与算法流程，广义线性判别函数。分段线性判别函数。使学生掌握几何分类法的几种典型算法.尤其是Fiｓｈｅｒ线性判别与感知器算法。采用编程练习的方式，在计算机上实现所学算法.第五章聚类分析，课堂讲授4学时，实验讨论２学时。教学要求：详细讲解聚类分析的概念，基于试探的聚类算法、层次聚类算法的流程,凝聚聚类法与最小张树分类法做一般介绍。通过习题加强对算法的理解，并采用编程练习的方式，在计算机上实现所学算法.第六章近邻法,课堂讲授4学时，实验讨论2学时教学要求：在介绍基本的最近邻法基础上，再比较几种改进的最近邻法，并深入分析其性能。使学生掌握模式识别中对非参数处理方法。采用编程练习的方式，在计算机上实现所学算法。第七章特征选择，课堂讲授3学时。教学要求：主要介绍模式特征概念，多个分布的特征选择以及特征