六、 课程主要内容

1．人工神经网络概论（2学时）

【目的要求】

了解生物神经网络及其生理机能🧏‍♀️，掌握人工神经网络的基本概念👷🏼‍♂️。

【教学内容】

从生物神经元到人工神经元网络

人工神经网络的基本概念

人工神经网络的发展历史回顾👨🏿‍🏭♓️。

人工神经网络的定义🏊🏿‍♂️、特点和应用

2．人工神经网络的基本模型（2学时）

【目的要求】

了解激励函数，掌握人工神经元的基本模型。熟悉人工神经网络的基本理论基础👍🏻。

【教学内容】

MP模型及几种常用的激励函数

人工神经元的基本模型

人工神经网络的基本拓扑结构

3．感知器人工神经网络（4学时）

【目的要求】

了解感知器模型🔴，了解感知器解决问题的能力。掌握感知器的学习算法并能够编程。

【教学内容】

单个感知器模型与解决问题的能力

单层感知器模型与解决问题的能力

单层感知器的学习算法

单层感知器的局限性问题

多层感知器的设计方法

单层感知器的MATLAB设计与实现

4．线性自适应人工神经网络（2学时）

【目的要求】

了解线性自适应人工神经网络模型，掌握线性自适应人工神经网络的学习算法。了解他的应用范围，能够用学过的方法编程。

【教学内容】

线性自适应人工神经网络模型与结构

线性自适应人工神经网络学习算法

线性自适应人工神经网络的局限性

线性自适应人工神经网络的MATLAB实现与应用实例

5．BP人工神经网络（5学时）

【目的要求】

了解BP网络模型⏭、结构和特点👧👩🏿‍🦳，了解BP网络的学习算法🤤。了解他的应用范围，能够用学过的方法编程。

【教学内容】

BP人工神经网络模型与结构

BP学习算法

BP网络的局限性问题

BP网络的应用要点

BP算法的MATLAB实现与应用实例

改进的BP算法

6．RBF人工神经网络（3学时）

【目的要求】

了解BP网络模型、结构和特点，了解BP网络的学习算法。了解他的应用范围，能够用学过的方法编程。

【教学内容】

RBF人工神经网络模型与工作原理

RBF的生理学基础

K-Means算法

RBF的学习算法

RBF的MATLAB实现与应用实例

RBF的特点及其它问题

7．Hopfield人工神经网络（3学时）

【目的要求】

了解离散型Hopfield神经网络，连续时间的Hopfield神经网络模型。

【教学内容】

绪论（前馈网络与反馈网络）

离散Hopfield网络模型与运行方式

离散Hopfield网络的稳定性

离散Hopfield网络的设计问题

连续Hopfield网络模型

连续Hopfield网络的稳定性

Hopfield网络的MATLAB实现与应用实例

8．Elmen网络模型、特点、算法（1学时）

【目的要求】

了解离散型Hopfield神经网络，连续时间的Hopfield神经网络模型💂🏻。

【教学内容】

Elman神经网络结构

Elman神经网络学习算法

Elman网络的MATLAB实现

9．CMAC网络模型、特点、算法及其应用（4学时）

【目的要求】

了解CMAC网络的结构和特点🫃🏼，掌握其基本的设计和学习方法，了解CMAC网络的主要的应用范围📐🛎。

【教学内容】

CMAC网络的基本思想与结构模型

CMAC网络的工作原理

CMAC算法的程序语言描述

CMAC网络的泛化能力

CMAC网络的几个问题

CMAC网络仿真示例

10．SOM人工神经网络（3学时）

【目的要求】

了解SOM网络模型。结构和特点，掌握基本的竞争学习机制，了解其主要的应用范围。

【教学内容】

SOM人工神经网络模型与工作原理

SOM的生理学基础

SOM的学习算法——竞争学习机制

SOM的MATLAB实现与应用实例

SOM的特点及其它问题

11．PID神经元网络及其控制系统（2学时）

【目的要求】

学习PID网络的结构和特点，掌握PID神经网络的基本学习方法🎹，了解小脑模型的主要的应用范围。

【教学内容】

PID神经网络的提出与构造过程

PID神经网络的结构和特点

PID神经网络的学习方法

PID神经网络的权值构造方法及特点

PID神经网络的应用实例

12．人工神经网络理论与应用的最新动态（1学时）

【目的要求及教学内容】

本章内容将随着人工神经网络的发展而不断更新，通过本章的学习讲了解人工神经网络理论与应用的最新发展动态。