教學大綱與進度

課程基本資料：

學年期	課號	課程名稱	階段	學分	時數	修	教師	班級	人	撤	備註
112-1	321998	類神經網路	1	3.0	3	★	蔣政諺	人工智慧學位學程 創新AI學位學程	49	2	創新AI、電資AI 合開

教學大綱與進度：

教師姓名	蔣政諺　教師諮商時間(Office Hours)
Email	dcychiang@ntut.edu.tw
最後更新時間	2023-06-05 02:00:16
課程大綱	神經網路之簡介、直傳式神經網路、監督式學習、非監督式學習、回傳式神經網路、神經網路之結構分析、學習方式分析神經網路之應用。 Introduction to Networks, Feedback Neutral Networks ,Supervised Learning, Unsupervised Learning, Recurrant Neural Networks, Structure Analysis of Neural Networks, Analysis of Learning Methods, Applications of Neural Networks.
課程進度	1. 簡介(Introduction to neural networks) 2. 決策理論圖形式別(Decision-theoretic pattern recognition) 3. 感知器(Perceptron) 4. 多層感知器(Multilayer perceptron) 5. 輻射基地函數網路(Radial basis function network, RBF) 6. 支持向量分類器(Support vector machine, SVM) 7. 自我組織類神經網路(Kohonen's self-organizaing neural network) 8. 主分量類神經網路(Pricipal component neural network) 9. 霍普菲爾德神經網絡 (Hopfield neural network) 10. 蜂巢式類神經網路(Cellular neural network) 11. 漢明類神經網路(Hamming neural network) 12. 自適應共振理論網絡(Adaptive resonance theory network, ART)
評量方式與標準	作業與說明(Assignment and Report): 60% 期中考(Midterm examination): 20% 期末報告(Final report): 20%
使用教材、參考書目或其他	【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】 使用外文原文書：否 [1] 黃國源, "類神經網路 Neural network," 全華 2015. [2] Raschka, Sebastian, and Vahid Mirjalili. "Python machine learning: Machine learning and deep learning with Python, scikit-learn, and TensorFlow 2." Packt Publishing Ltd, 2019. [3] Nielsen, Michael A. "Neural networks and deep learning." Vol. 25. San Francisco, CA, USA: Determination press, 2015.
課程諮詢管道	Email: dcychiang@ntut.edu.tw
課程對應SDGs指標
備註