國立中興大學教學大綱

課程名稱	(中) 類神經網路(7756)
	(Eng.) Artificial Neural Networks
開課單位	大數據碩專班
課程類別	選修	學分	3	授課教師	郭至恩
選課單位	大數據碩專班 / 碩專班	授課使用語言	中文	英文/EMI		開課學期	1141
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、transformer模型)。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、模型學習策略(領域適應、小樣本學習、對比學習)、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	Y

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、transformer模型)。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、模型學習策略(領域適應、小樣本學習、對比學習)、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，使學生具有基礎與實作之能力。

3.數據科學專業知識

4.數學與統計軟體能力

專題探討/製作

討論

實習

講授

書面報告

出席狀況

口頭報告

作業

授課內容(單元名稱與內容、習作/每週授課、考試進度-共16週加自主學習)

週次	授課內容
第1週	機器學習與類神經網路簡介
第2週	經典機器學習模型簡介與訓練策略
第3週	集成式學習簡介與經典機器學習模型實作 (上機)
第4週	基本類神經網路與反向傳播方法
第5週	基本類神經網路實作 (NNtool上機)
第6週	自編碼網路簡介與實作 (AE、SAE、CAE、VAE、上機)
第7週	捲積神經網路 1 (alexnet、GoogleNet、Resnet、IR net、DenseNet、ResNeXt)
第8週	捲積神經網路 2 (SE-net、CBAM、NasNet、MobileNet、Efﬁcient Net、Unet)
第9週	遷移式學習簡介與實作 (上機)
第10週	捲積神經網路與注意力機制
第11週	捲積神經網路與物件偵測 (Faster RCNN與yolo系列)
第12週	遞歸神經網路與時序訊號之應用 (RNN與LSTM)
第13週	生成對抗網路 (GAN、DCGAN、CGAN、cycle GAN)
第14週	transformer模型及其應用 (BERT、LLM、VIT)
第15週	模型學習之策略方法(領域適應、小樣本學習、對比學習)
第16週	期末實作專題報告期末論文簡報 1 期末論文簡報 2
自主學習內容

學習評量方式

課堂作業 40%
期末論文簡報 35%
期末專題報告 25%

教科書＆參考書目(書名、作者、書局、代理商、說明)

參考用書：
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

再另行公告

聯合國全球永續發展目標(連結網址)

提供體驗課程：N

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：2025 / 7 / 02
MyTB教科書訂購平台：http://www.mytb.com.tw/