深度類神經計算及應用
教師: 游寶達
2020/10/13

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。

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:Introduction of Neural Architecture 類神經架構簡介

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

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

單元 4:LMS Learning Algorithm最小均方學習算法

單元 5:Learning Algorithm of Multiple Layers 多層網路學習演算法 (1)

單元 6:Learning Algorithm of Multiple Layers 多層網路學習演算法 (2)

單元 7:Learning Practices 學習演算法實例分析 (1)

單元 8:Learning Practices 學習演算法實例分析 (2)

單元 9:The Convolutional Neural Network 卷積神經網路

單元 10:The Recurrence Neural Network 循環神經網路

單元 11:Running TensorFlow with Applications TensorFlow的應用程式執行分析 (1)

單元 12:Running TensorFlow with Applications TensorFlow的應用程式執行分析 (2)

單元 13:深度類神經計算及應用

評分標準

平時測驗:佔總成績20%

平時作業:佔總成績20%

期中考:佔總成績30%

期末考:佔總成績30%

通過標準


課程及格標準:60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:250元

如何申請證書?

1.點選右上方的「小白人」。

2.點選「證書下載」。

%E8%AD%89%E6%9B%B8%E4%B8%8B%E8%BC%89%E8%

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。

%E8%AD%89%E6%9B%B8%E4%B8%8B%E8%BC%89%E8%

詳細證書下載流程說明請點這裡