| 國立中興大學教學大綱 |
| 課程名稱 | (中) 類神經網路(6581) | ||||||||
| (Eng.) Artificial Neural Networks | |||||||||
| 開課單位 | 應數系 | ||||||||
| 課程類別 | 選修 | 學分 | 3 | 授課教師 | 郭至恩 | ||||
| 選課單位 | 大數據學程博 / 博士班 | 授課使用語言 | 中文 | 英文/EMI | N | 開課學期 | 1092 | ||
| 課程簡述 | 本課程將會教授類神經網路之基本架構與其進階模型、模型訓練與模型權重最佳化方法、深度類神經網路 (捲積神經網路、遞歸神經網路、生成對抗網路)、注意力機制。此外也包含資料前處理、目前常用的機器學習模型與集成式學習方法、模型訓練策略、模型效能評估方法等。本課程也會以MATLAB程式語言來讓學生實作相關類神經網路應用之範例。 | ||||||||
| 先修課程名稱 | 課程含自主學習 | N | |||||||
| 課程與核心能力關聯配比(%) | 課程目標之教學方法與評量方法 | |||||||||||||||
| 課程目標 | 核心能力 | 配比(%) | 教學方法 | 評量方法 | ||||||||||||
| 讓學生學習到類神經網路之基本架構與其進階模型、模型訓練與模型權重最佳化方法、深度類神經網路 (捲積神經網路、遞歸神經網路、生成對抗網路)、注意力機制。本課程也會以MATLAB程式語言來讓學生實作相關類神經網路應用之範例，使學生具有基礎與實作之能力。 |
|
|
|
|
||||||||||||
| 授課內容(單元名稱與內容、習作/每週授課、考試進度-共18週) | ||||||||||||||||
| 第一週: 機器學習與類神經網路簡介 第二週: 經典機器學習模型簡介與訓練策略 第三週: 集成式學習簡介與經典機器學習模型實作 (上機) 第四週: 基本類神經網路與反向傳播方法 第五週: 基本類神經網路實作 (NNtool上機) 第六週: 自編碼網路簡介與實作 (AE、SAE、CAE、VAE、上機) 第七週: 捲積神經網路 1 (alexnet、GoogleNet、Resnet、IR net、DenseNet、ResNeXt) 第八週: 捲積神經網路 2 (SE-net、CBAM、NasNet、MobileNet、Efficient Net、Unet) 第九週: 遷移式學習簡介與實作 (上機) 第十週: 捲積神經網路與注意力機制 第十一週: 捲積神經網路與物件偵測 (Faster RCNN、SSD、) 第十二週: 捲積神經網路與物件偵測 (yolo系列) 第十三週: 遞歸神經網路與時序訊號之應用 (LSTM、BERT) 第十四週: 生成對抗網路 1 (GAN、DCGAN、InfoGAN、CGAN、ACGAN) 第十五週: 生成對抗網路 2 (WGAN、cycle GAN、Pix2pix) 第十六週: 期末實作專題報告 第十七週: 期末論文簡報 1 第十八週: 期末論文簡報 2 |
||||||||||||||||
| 學習評量方式 | ||||||||||||||||
| 課堂作業 期中報告 期末專題報告 |
||||||||||||||||
| 教科書＆參考書目(書名、作者、書局、代理商、說明) | ||||||||||||||||
| 深度學習－從入門到實戰(使用MATLAB)(附範例光碟) 作者: 郭至恩 全華圖書 ISBN：9789865034313 |
||||||||||||||||
| 課程教材（教師個人網址請列在本校內之網址） | ||||||||||||||||
| https://sites.google.com/view/aipc--lab/%E9%A6%96%E9%A0%81 | ||||||||||||||||
| 課程輔導時間 | ||||||||||||||||
| 星期一 13:00-16:00 | ||||||||||||||||
| 聯合國全球永續發展目標 | ||||||||||||||||
| ||||||||||||||||
| 請尊重智慧財產權及性別平等意識，不得非法影印他人著作。 | |
| 更新日期 西元年/月/日：無 | 列印日期 西元年/月/日：2024 / 11 / 13 |
| MyTB教科書訂購平台：http://www.mytb.com.tw/ | |