◎系所教育目標：
本系教育目標是訓練學生具備機械、電機、機電整合等基本專業知識，應用機電科技於生物產業相關領域。學士班是以培養具廣泛知識基礎之機電工程人才為目的，期使學生在完成專業課程後，有能力依個別興趣在機電系統設計、機電系統製造、自動化技術、生物產業及智慧農業等領域繼續接受進一步的專業訓練。 |
| ◎核心能力 | 關聯性 |
| 1.工程知識與解決問題之能力。 | 3 關聯性中等 |
| 2.生物產業工程實務與自主學習之能力。 | 3 關聯性中等 |
| 3.獨立思考創作與團隊合作之能力。 | 2 關聯性稍弱 |
| 4.機電系統設計製造及應用之能力。 | 4 關聯性稍強 |
◎本學科內容概述：
本課程介紹常用的類神經網路的架構及原理，配合Matlab的neural toolbox及kears神經網路套件的程式實作及練習，使具備應用類神經網路於解決工程問題之基礎實作能力 |
◎本學科教學內容大綱：
1.類神經網路的歷史與發展近況、深度學習簡介。
2.神經元模型及類神經網路架構及原理。
3.感知器(Perceptrons)網路。
4.線性濾波器(Linear Filter)。
5.倒傳遞類神經網路(BPN)。
6.Radial Basis類神經網路。
7.卷積神經網路(CNN)。
8.循環神經網路(RNN)。
9.影像物件偵測應用。 |
◎本學科學習目標：
學習類神經網路的基本原理，並配合程式實例練習，了解神經網路實作及應用。 |
| ◎教學進度： |
| 週次 | 主題 | 教學內容 | 教學方法 |
01
| 類神經網路簡介 | 類神經網路的歷史與發展近況，類神經網路的處理單元，類神經網路基本架構，類神經網路的學習方式簡介，深度學習簡介 | 作業/習題演練、講授。 |
02
| 神經元模型及類神經網路架構 | 1.神經元模型基本演算
2.單層及多層神經網路架構
3.模擬實作 | 作業/習題演練、講授。 |
03
| 感知器(Perceptrons)網路 | 1.感知器(Perceptrons)架構及原理
2.網路模擬實作 | 作業/習題演練、講授。 |
04
| 線性濾波器(Linear Filter) | 1.線性神經元模型
2.線性網路架構
3.網路模擬實作 | 作業/習題演練、講授。 |
05
| 多層前饋式神經網路(Feedforward neural network) | 1.多層前饋式網路架構及原理
2.網路模擬實作 | 作業/習題演練、講授。 |
06
| 多層前饋式神經網路(Feedforward neural network) | 梯度下降法(Gradient Descent)、Backpropagatin演算法 | 作業/習題演練、講授。 |
07
| 多層前饋式神經網路(Feedforward neural network) | 改善學習速度的演算法介紹：
Momentum、Adagrad、RMSProp、Adam | 作業/習題演練、講授。 |
08
| 多層前饋式神經網路(Feedforward neural network) | 1.改善網路普適性(Generalization)能力
2.多層前饋式神經網路模擬實作及應用 | 作業/習題演練。 |
09
| 期中考 | 期中考 | 作業/習題演練。 |
10
| 卷積神經網路(Convolutional Neural Network, CNN) | CNN網路的架構及原理
卷積層、池化層、平坦層、全連接層介紹 | 作業/習題演練、講授。 |
11
| 卷積神經網路(Convolutional Neural Network, CNN) | 卷積網路模擬實作及應用 | 作業/習題演練、講授。 |
12
| 卷積神經網路(Convolutional Neural Network, CNN) | LeNet, AlexNet, VGGNet, Inception(GoogLeNet), ResNet 原理與實作 | 作業/習題演練、講授。 |
13
| 卷積神經網路(Convolutional Neural Network, CNN) | 卷積網路模擬實作及應用 | 作業/習題演練、講授。 |
14
| 循環神經網路(Recurrent Neural Network, RNN) | RNN網路原理及實作 | 作業/習題演練、講授。 |
15
| 循環神經網路(Recurrent Neural Network, RNN) | 長短期記憶神經網路(Long Short Term Memory Network, LSTM)原理及實作 | 作業/習題演練、講授。 |
16
| 循環神經網路(Recurrent Neural Network, RNN) | Gated Recurrent Unit(GRU)原理及GRU實作 | 作業/習題演練、講授。 |
17
| 物件偵測(Object Detection)簡介 | YOLO原理簡介 | 講授、討論。 |
18
| 論文閱讀與報告 | 類神經網路相關論文閱讀與報告 | 講授、討論。 |
◎課程要求：
課程中需使用matlab及python |
◎成績考核
課堂參與討論10%
期中考30%
口頭報告30%
作業/習題演練30%
|
◎參考書目與學習資源
1. 羅強華。類神經網路-Matlab的應用。高立圖書出版社。
2. 葉怡成。類神經網路基本原理與應用。儒林出版社。
3. 張斐章、張麗秋。類神經網路。東華書局。
4. Hagan, M. T, H. B. Demuth, and M. Beale. Neural Network Design. Thomson. (高立代理)
5. Zurada, Jacek M. Artifical Neural Systems. West Publishing Company |
| ◎教材講義 請改以帳號登入校務系統選擇全校課程查詢方能查看教材講義 |