深度類神經計算及應用
Teacher: 游寶達
2020/10/13

Summary

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。

Course Object

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

Course Teacher Intro

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

Course Schedule

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

Course Grade

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%

Grade Required


Course grade pass:60Grade Memo:max grade 100 point

Course Ability

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

Course Suggest

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。

Certificate information

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