“人工神经网络设计”课程教学大纲
英文名称：ArtificialNeuralNetworkDesign
课程性质：学科基础选修课
学分：2.0学时：32
面向对象：自动化、人工智能专业本科生
先修课程：高等数学、线性代数、概率论与数理统计、编程基础
教材及参考书：
[1] SimonHaykin.神经网络与学习系统（原书第3版）.机械工业出版社，2013
[2] MartinT.Hagan.神经网络设计（原书第3版）.机械工业出版社，2020
一、课程简介
人工神经网络设计课程旨在介绍人工神经网络的基本原理、设计方法及其在各个领域中的应用。课程采用课堂讲授、专题讨论、实验实践相结合的教学模式，内容涵盖人工神经网络的基本概念、经典网络结构、设计方法及应用实例等。通过该课程的学习，使学生掌握人工神经网络的设计与应用技能，为从事自动化、人工智能相关领域的研究与开发奠定基础。
二、课程地位与目标
（一）课程地位：《人工神经网络课程》是自动化、人工智能专业大三本科生的学科基础选修课，属于人工智能技术系列。通过系统的学习和实践训练，培养学生在人工神经网络设计与应用方面的能力，为其后续专业课程学习和科研工作提供必要的理论和实践基础。本课程支撑的毕业要求拆分指标点的具体描述如下：
指标点2-1：掌握自然科学、工程基础知识，解决人工智能领域复杂工程问题的理解和表述问题。
指标点4-2：能够根据设计方案中的功能模块，设计满足特定功能需求的模块或子系统，考虑相互之间关联和影响。
指标点5-2：能够根据人工智能系统功能模块和对象特征需求，选择研究方案和技术路线，设计实验方案。
指标点7-1：具备环境保护与可持续发展意识，理解自动化工程实践对环境及可持续发展的影响。
指标点8-3：理解工程师对公众的安全、健康、福祉及环境保护的社会责任，能够在工程实践中自觉履行责任。
（二）课程目标
1教学目标：旨在引导学生全面理解人工神经网络的基本原理和设计方法，掌握常见的神经网络模型及其训练算法，培养学生应用人工神经网络解决实际工程与应用问题的能力。同时，激发学生对人工智能领域的兴趣，培养其主动思考与探究式学习的意识与习惯，为后续相关课程学习及科研创新打下坚实基础。本课程对毕业要求拆分指标点达成的支撑情况，详见表1：
表1课程目标与毕业要求拆分指标点的对应关系
序号
课程目标
毕业要求拆分指标点
2.1
4.2
5.2
7.1
8.3
1
理解人工神经网络的基本原理和设计方法，掌握常见的神经网络模型及其训练算法
●
●
●
◎
◎
2
培养学生应用人工神经网络解决实际工程与应用问题的能力
●
●
●
●
◎
3
培养学生主动思考与探究式学习的意识与习惯
◎
◎
●
●
●
注：●：表示有强相关关系，◎：表示有一般相关关系，⊙：表示有弱相关关系
2育人目标：将知识传授、能力培养与价值塑造有机融合，强化人工神经网络理论与实践相结合的教学过程，将职业素养、责任担当、科技创新等关键素质融入教学各环节，着力培养具有扎实专业基础、创新精神、工程实践能力和社会责任感的复合型人才，服务国家科技强国和人才强国建设。
三、课程教学内容
分章节列出课程教学内容及对课程目标的支撑，详见表2：
表2教学内容与课程目标的对应关系
章节名称
教学内容及重点（▲）、难点（★）
课程目标（√）
1
2
3
第一章
绪论
本章旨在引导学生初步了解人工神经网络的基本概念，发展历程以及应用前景，帮助学生建立对人工神经网络的整体认识框架。重点（▲）：人工神经网络的主要特点和基本功能。
√
第二章
人工神经网络构成
本章的教学目的是使学生掌握人工神经网络的基本构成，掌握神经元模型和学习规则、神经网络结构和学习算法，了解如何对神经网络性能进行分析。重点（▲）：神经元模型、神经元学习规则、神经网络结构、神经网络学习算法。难点（★）：神经元学习规则和神经网络学习算法。
√
第三章
感知器
本章的教学目的是使学生掌握单层感知器、多层感知器、BP算法以及多层感知器结构设计方法。重点（▲）：单层感知器，多层感知器，BP算法，多层感知器结构设计方法。难点（★）：能进行多层感知器结构设计。
√
√
√
第四章
径向基函数神经网络
本章的教学目的是使学生了解局部映射特性，掌握径向基函神经网络工作原理、学习算法以及结构设计方法。重点（▲）：径向基函神经网络工作原理，学习算法和结构设计方法。难点（★）：径向基函数神经网络结构设计方法。
√
√
√
第五章
Hopfield神经网络
本章的教学目的是使学生掌握离散型Hopfield神经网络和连续型Hopfield神经网络。重点（▲）：离散型Hopfield神经网络工作原理，连续型Hopfi