深度类神经计算及应用(2024春季班)
教师: 游寶達
2024/03/22~2024/07/31
报名至:2024/06/21
6时数/6周次 (已经开始)

概要

类神经网络(neural network)是仿真人工智能最基础的学术领域,有其领域的理论、应用等之丰富度。本课程选取类神经网络的核心内容,以supervised learning为主要内容,论述backpropagation的架构,再引述deep learning的implement tools,让其neural computation具有deep performance and applications之性能。

#智能计算及应用系列课程

本课程列为国立中正大学数字自学微学分学习活动之课程,认列学习时数6小时,
平台同步开设另三门可认列之课程,欢迎同步选修:
(1) 量子基础线性代数:课程6小时
(2) 量子基础应用数学:课程6小时
(3) 深度模糊计算及应用:课程6小时

若有微学分学习活动时数认列问题,请联系许小姐 admhkc@ccu.edu.tw

课程目标

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

授课教师

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

课程进度表

单元 1:类神经架构简介 Introduction of Neural Architecture

单元 2:设计感知学习算法 Design a Perceptron Learning Algorithm

单元 3:最速下降学习算法 The Steepest Descent Learning Algorithm

单元 4:最小均方学习算法 LMS Learning Algorithm

单元 5:多层网络学习算法 Learning Algorithm of Multiple Layers

单元 6:卷积神经网络 The Convolutional Neural Network

单元 7:循环神经网络 The Recurrence Neural Network

单元 8:延伸学习:学习算法实例分析 Learning Practices

课程内容

本课程共计7个单元主题,每个单元主题的学习活动包括浏览教学影片,以及随堂测验与作业,并欢迎参与讨论区讨论。

课程另延伸提供1个单元主题:学习算法实例分析 (Learning Practices),欢迎学习者自由选读,内容不纳入评量之中。

评分标准

測驗:共7次,佔總成績35%    **每單元各佔5%

作業:共7次,佔總成績65%    **1-5單元各佔9%、6-7單元各佔10%

通过标准


课程及格标准:60分满分:100分

先修科目或先备能力

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

建议参考书目

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。

其它

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