Professional Documents
Culture Documents
(Chuyên ngành Bản đồ, Viễn thám và Hệ thông tin địa lý)
1. Tên môn học: MẠNG THẦN KINH NHÂN TẠO VÀ ỨNG DỤNG
2. Số tín chỉ: 3 (30 tiết LT;15 tiết TH;15 tiết TL)
3. Giảng viên môn học: GVC. TS. Lê Văn Trung , TS Nguyễn Ngọc Lâu
4. Đơn vị phụ trách giảng: Bộ môn Địa Tin Học – Khoa KTXD
5. Tóm tắt môn học: Giới thiệu các khái niệm cơ bản về NEURAL NETWORK; phương pháp
xuất nhập dữ liệu; các hàm số được dùng trong phân tích và tính toán mạng đa lớp. Cách chọn
mô hình ứng dụng thích hợp trong nhận dạng. Ứng dụng NEURAL NETWORK trong xử lý ảnh
vệ tinh và các bài toán trắc địa.
6. Mục tiêu môn học : Cung cấp cho học viên các kiến thức về lý thuyết mạng NEURAL
NETWORK và kỹ năng thực hành trong việc xây dựng cấu trúc mạng thích hợp trong việc giải
các bài toán trong thực tế .
7. Nội dung môn học :
7.1 PHẦN GIẢNG DẠY TRÊN LỚP: 30 tiết
Chương Nội dung Số tiết TLTK
GIỚI THIỆU 1,2
1 3
1.1. Khái niệm về Neural Networks
1.2. Neural Networks được sử dụng như thế nào?
1.3. Chọn mô hình ?
2
2 CƠ SỞ TOÁN HỌC CỦA MẠNG NEURAL ĐA LỚP 9
2.1. Định nghĩa
2.2. Cấu trúc Mạng Neural đa lớp
2.3. Dữ liệu huấn luyện
2.4. Thuật toán Back_propagation
2.5. Qui trình huấn luyện mạng Neural đa lớp
2,3
3 KỸ THUẬT THIẾT KẾ MẠNG 6
3.1. Khả năng nhận biết của mạng
3.2. Cấu trúc mạng
3.3. Hàm hoạt tính
3.4. Bộ dữ liệu huấn luyện
3.5. Chế độ huấn luyện
3.5.1. Khởi động trọng số
3.5.2. Tham số nhận biết
3.5.3. Tiêu chuẩn dừng
2,3
4 BIỆN PHÁP TỐI ƯU MẠNG NEURAL ĐA LỚP 6
4.1. Chọn cấu trúc mạng thích hợp.
4.1.1. Chọn số nút thích hợp
4.1.2. Phương pháp khởi động trọng số
4.1.3. Chọn tham số nhận biết thích hợp
4.2. Chọn chế độ huấn luyện thích hợp
4.2.1. Số lượng dữ liệu mẫu cần thiết
4.2.2. Biện pháp kết thúc quá trình huấn luyện
4.2.3. Đánh giá khả năng nhận biết
7.2 PHẦN GIẢNG DẠY THỰC HÀNH, THÍ NGHIỆM TẠI PTN, PMT: 15 tiết
5. Abstract: The subject presents basical concepts of Neural Networks, describes many of
powerful networks for solving problems including: function approximation, modeling, signal
processing, prediction and classification and of the uses of Neural Networks and the
fundamentals of how it works.
The subject is also aimed at providing theoretical principles and practical techniques for
students who want to know about network design.
Chapter 1 Introduction
1.1 What is Neural Networks ?
1.2 Neural Network’s models
1.3 Applications
Chapter 5 Applications
8. Reference Literature :
1. Robert L.Harvey. Neural Network principles 1994
2. Laurence Fausette. Fundamentals of Neural Networks 1994
3. Kishan Mehrotra, Chilukuri K.Mohan & Sanjay RanKa. Elements of Artificial Neural
Networks 1997
4. Howard Demuth , Mark Beale & Martin Hagan. Neural Network Toolbox 1993.
5. Deco, G. and Obradovic, D. An Information theoretic Approach to Neural Computing 1996
9. Evaluation:
No Method Number of test Weight(%)
1 Mid-term test 1 20
2 Practice, Experiment 2 40
3 Seminar, Assignment, 1 40
Instructors