一、課程說明

1、課程的性質(zhì)、教學(xué)目的和要求

圖模型是近年來發(fā)展起來的新型非線性并行計算模型，具有信息分布式存儲與處理特征，在一定程度上保存了人腦的思維特征，學(xué)習能力、自適應(yīng)能力、泛化性能方面顯現(xiàn)出特有優(yōu)勢?！吨悄芟到y(tǒng)》作為計算機專業(yè)的學(xué)位課程和信息類相關(guān)專業(yè)研究生的專業(yè)課程，涉及知識面廣，要求學(xué)生具備良好的理論基礎(chǔ)。通過系統(tǒng)的課程學(xué)習使學(xué)生能夠全面了解機器學(xué)習、模式識別、神經(jīng)計算這些交叉學(xué)科，熟練掌握各種常見的圖模型及相應(yīng)的機器學(xué)習算法，并將其應(yīng)用于組合優(yōu)化、模式識別、自動控制等領(lǐng)域。

二、課程基本內(nèi)容

本課程系統(tǒng)地介紹機器學(xué)習、神經(jīng)計算的原理、方法、技術(shù)及應(yīng)用。課程學(xué)習是在綜合介紹的基礎(chǔ)上，重點放在神經(jīng)計算的思想、神經(jīng)網(wǎng)絡(luò)設(shè)計、學(xué)習算法和有效的應(yīng)用，使學(xué)生能夠獲得應(yīng)用的方法和思路，而不僅僅是抽象的理論模型。

課程具體內(nèi)容包括：神經(jīng)計算的生物基礎(chǔ)、人工神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型和認知模型、BP學(xué)習算法及其改進、Hopfield網(wǎng)絡(luò)模型及應(yīng)用、隨機計算模型、模擬退火算法、Boltzmann機及學(xué)習算法、SOM網(wǎng)絡(luò)與競爭學(xué)習、聯(lián)想記憶模型、RBF網(wǎng)絡(luò)模型、支持向量學(xué)習機、核函數(shù)選擇、主元分析及應(yīng)用、最大熵原理、信息論模型、進化計算、智能系統(tǒng)的應(yīng)用等。