深度類神經計算及應用(2024春季班)
教師: 游寶達
2024/03/22~2024/07/31
報名至:2024/06/21
6小時/6週 (已經開始)

摘要

類神經網路(neural network)是模擬人工智慧最基礎的學術領域,有其領域的理論、應用等之豐富度。本課程選取類神經網路的核心內容,以supervised learning為主要內容,論述backpropagation的架構,再引述deep learning的implement tools,讓其neural computation具有deep performance and applications之效能。

#智慧計算及應用系列課程

本課程列為國立中正大學數位自學微學分學習活動之課程,認列學習時數6小時,
平台同步開設另三門可認列之課程,歡迎同步選修:
(1) 量子基礎線性代數:課程6小時
(2) 量子基礎應用數學:課程6小時
(3) 深度模糊計算及應用:課程6小時

若有微學分學習活動時數認列問題,請聯繫許小姐 admhkc@ccu.edu.tw

課程目標

1.  了解neuron的計算模型

2.  了解複雜neural systemcomputation的呈現及計算方式

3.  學習learning algorithm的設計、應用、分析等技術

4.  學會著名的backpropagation演算法

5.  學會KerasTensorFlowAI implementation方法及技

6.  學會影像處理的deep computation應用問題

授課教師

游寶達 老師

教師簡介

游寶達教授現任國立中正大學資工系教授,專長於智慧系統設計;加上曾任中正大學圖書館館長,數位學習中心主任、清江學習中心主任,長期研究與經營數位學習,並推動數位教材與課程認證。專長為智慧型系統設計、智慧型網路、ICAL、非線性系統、e-Learning、電腦輔助教學

課程進度表

單元 1:類神經架構簡介 Introduction of Neural Architecture

單元 2:設計感知學習演算法 Design a Perceptron Learning Algorithm

單元 3:最速下降學習算法 The Steepest Descent Learning Algorithm

單元 4:最小均方學習算法 LMS Learning Algorithm

單元 5:多層網路學習演算法 Learning Algorithm of Multiple Layers

單元 6:卷積神經網路 The Convolutional Neural Network

單元 7:循環神經網路 The Recurrence Neural Network

單元 8:延伸學習:學習演算法實例分析 Learning Practices

課程內容

本課程共計7個單元主題,每個單元主題的學習活動包括瀏覽教學影片,以及隨堂測驗與作業,並歡迎參與討論區討論。

課程另延伸提供1個單元主題:學習演算法實例分析 (Learning Practices),歡迎學習者自由選讀,內容不納入評量之中。

評分標準



通過標準


課程及格標準:60分滿分:100分

先修科目或先備能力

1. 具有微積分、線性代數之基礎

2.能撰寫python的能力

3.具有操作Google開放系統之經驗

建議參考書目

教科書:

M.T. Hagan, H.B. Demuth and M. Beale, Neural Network Design, 新月代理。

參考資料:

S. Haykin, Neural Networks (A comprehesive foundation),second edition,開發代理。

證書資訊

本課程證書費用:500元

如何申請電子版證書?

1.點選右上方的「小白人」。

2.點選「證書下載」。



3.畫面即會轉到申請證書系統中,請點選「我要申請證書」。

4.點選「我要搜尋」開始申請證書。


5.ewant平台僅提供電子版證書,確認繳費成功後,請點選「我已申請的證書」,再點選「我要搜尋」下載您申請的證書電子檔。

詳細證書下載流程說明請點這裡