§1绪论（4学时） 了解人脑的基本结构，并从解剖学角度理解和掌握神经元的基本概念及其构造；学习生物神经网络及其生理机能；掌握从生物神经网络到人工神经网络的基本概念、信息加工的原理、特点、研究内容等；学习人工神经网络的发展历程。§2人工神经网络的基本模型及理论基础（2学时） MP形式神经元模型；几种常用的激励函数选择；学习人工神经网络体系结构；几种常用的人工神经网络基本模型的分类方法；理解人工神经网络的理论基础，von Neumann计算机的局限性与PDP模式，网络理论以及决定神经网络信息处理能力的因素。3神经网络的学习规则与感知器（2学时） 研究机器学习与神经网络学习以及神经网络学习的类型；学习神经网络的学习规则，重点掌握Hebb学习规则、剃度下降算法与delta学习规则、内星外星学习规则；掌握感知器的学习规则及其算法，分析简单感知器的局限性以及感知器的收敛性。§4前馈神经网络（4学时） 学习神经网络的学习过程，重点学习掌握反向传播（BP）网络算法的基本原理以及对BP网络的若干改进，影响BP网络收敛的因素以及改进方法，掌握学习速率参数的基本概念；学习掌握BP网络设计尤其是隐含层设计（包括隐含层层数和每层隐含层节点数）要求；学习掌握前馈网络的几个定理；学习掌握初始连接权的设置及其影响；学习Adaline、Madalines其它几种前馈网络。 本章布置同学课后作业。§5反馈神经网络（6学时） 本章目的是要学习研究Hopfield网络的几个关键问题：①如何确定达到稳定状态是的连接权？②如何判定是否为稳定态？③依据是什么？ 在学习几个与状态空间中有关的状态跃迁的基本概念（网络的稳定性及存储容量、网络的吸引子、吸引子的吸引域及其吸引半径、网络的收敛时间、能量函数）后，重点掌握离散Hopfield网络的拓扑结构、工作方式、几个重要的收敛性定理、学习规则；学习非线性连续时间Hopfield网络及其稳定性分析定理；学习Hopfield网络应用问题；此外还要学习联想记忆网络以及Hamming网络。本章布置同学课堂作业（4学时）。§6竞争网络与自组织神经网络（6学时） 理解竞争学习机制，掌握神经元的侧向交互原理以及竞争网络中连接权调整原则；重点掌握自组织特征映射网络模型、特点、最优匹配神经元选择以及网络中神经元连接权系数的自组织过程或学习过程等，理解“气泡”概念以及邻域概念及其确定；了解学习矢量量化LVQ网络；重点掌握自适应谐振理论网络ART-1模型的基本结构、工作原理、优点和学习算法，在此基础上学习ART-2/ART-3网络。§7人工神经网络与演化计算（4学时）学习掌握遗传算法的基本概念、算法特点，尤其是适应度的概念；在学习模式及其模式阶和模式定义长度的基础上，重点掌握遗传算法的数学基础----模式定理；遗传算法的重要操作算子----选择、交叉、变异；在学习遗传算法的多种编码技术基础上，掌握遗传算法的基本实现技术；学习遗传算法在网络连接权、网络结构等演化计算中的应用。§8随机神经网络（4学时）学习比较确定型与随机神经网络，重点掌握模拟退火算法的基本思想、算法实现以及收敛性等；学习Boltzmann机模型；学习模糊神经网络的基本概念和原理等。

(无)

对研究生能力培养的要求：本课程着重培养研究生对人工神经网络的基本理论、经典网络模型及其算法的分析设计能力，并能在分析的基础上，结合自己的专业背景，依据实际例子，提出有效的人工神经网络实现方法，开展算法程序编写、实验分析讨论并撰写不少于3000字的学术研究论文。考试成绩：平时成绩30%+期末学术论文70%，其中，平时成绩＝平时大作业+听课。

• 1. [1]Jacek E.Zurada, Artificial Neural Systems, West Publishing Company2. [2]袁曾任编著，人工神经元网络及其应用,清华大学出版社，1999年 3. [3]周明，孙树栋编著，遗传算法原理及应用,国防工业出版社，2000年4. [4]周昌乐编著，心脑计算举要,清华大学出版社，2003年 5. [5]张青贵,人工神经网络导论,中国水利水电出版社 , 2004年10月