《深度学习》课程教学大纲

《深度学习》教学大纲课程英文名Deep Learning课程代码J0701Z83学分3.5总学时56理论学时44实验/实践学时12课程类别专业课课程性质选修先修课程《高等代数》《数学分析》适用专业数学与应用数学、信息与计算科学开课学院理学院一、课程地位与课程目标（一）课程地位《深度学习》是信息与计算科学、数学与应用数学专业的数据科学与技术方向的专业选修课程，主要讲述经典的神经网络和目前流行的卷积神经网络的相关理论、算法及应用通过本课程的学习，使学生系统地掌握深度学习的基本内容与方法，了解神经网络和深度学习的主要应用领域，提高学生的分析问题、解决问题的能力，并用计算机语言编程实现加强数学与信息科学的交叉，拓展自己的知识结构。（二）课程目标1. 掌握深度学习的基本内容与方法，了解神经网络和深度学习的主要应用领域。2. 加强数学理论与信息科学的交叉。3. 加强深度学习的实践与锻炼，具备计算机编程实现能力。4. 拓展知识结构，提升解决问题的能力。二、课程目标达成的途径与方法以课堂教学为主，上机实践为辅，结合学生自学、课堂讨论、课外作业、上机设计实验等三、课程目标与相关毕业要求的对应关系课程目标课程目标对毕业要求的支撑程度（H、M、L）毕 业要 求1毕业要求2毕业要求 3毕业要求 4毕业要求 5毕业要求6毕业要求7毕业要求8毕业要求 9毕业要求10课程目标 1LHHHHMLMLL课程目标 2LHHHHMLHLL课程目标 3LHHHHMLHLH课程目标 4LHHHHMMHLM四、课程主要内容与基本要求第一章 绪论【教学内容】学习神经网络的目的；神经网络进展历史；神经网络应用。【基本要求】了解神经网络产生的背景及进展的历史；了解神经网络在各学科中的应用;了解学习本课程的目的和任务。 第二章人工神经网络建模基础【教学内容】神经元数学模型；神经网络模型与结构。【基本要求】熟悉神经元数学模型；熟悉神经网络的模型和网络结构。第三章 感知器神经网络【教学内容】 单层感知器模型、多层感知器、自适应线性单元、误差反向传播算法。 【基本要求】 熟练掌握单层感知器模型、自适应线性单元、误差反向传播算法;了解多层感知器。第四章 自组织竞争神经网络【教学内容】 竞争学习概念与原理、自组织特征映射神经网络 【基本要求】 熟练掌握竞争学习概念与原理，掌握自组织特征映射神经网络，熟悉自组织特征映射神经网络的应用。 第五章 径向基函数神经网络【教学内容】 径向基函数网络、正则化理论和正则化 RBF 网络及...