课程大纲：深度学习神经网络培训
该课程将系统介绍人工智能中的神经网络，特别是深度学习的发展现状、基本原理和主要方法。包括：人工智能综述，生物神经系统，人工神经元模型，BP网络，Hopfield网络，深度卷积神经网络（CNN），长短期记忆网络（LSTM）和深度强化学习等。重点分析若干典型CNN模型，并结合具体应用案例，进行编程实操剖析。
人工智能综述
1.引言∶ 人工智能及其特点
2.深度人工智能学习方法
3.深度学习∶Al的最新突破
4.支持Al的大数据和计算平台
5.认知智能的前沿探索
人工神经网络基础
1.人工神经元模型
2.人工神经网络概述
3.BP网络结构
4.学习算法及改进型学习算法
5.神经网络的训练
6.Hopfield网络
7.人工神经网络基础章节回顾
长短期记忆网络
1.理解LSTM
2.LSTM与DCNN的结合
3.强化学习的基本原理
4.增强学习算法引言
生物神经系统
1.深度强化学习
2.基于感知智能的认知智能探索
3.人工智能的脑科学基础
深度卷积神经网络
1.DCNN发展历程回顾
2.DCNN基本原理
3.典型DCNN结构
4.编程实操剖析
5.深度卷积神经网络讨论
6.深度卷积神经网络总结
深度强化学习
1.强化学习问题和MDP与随机动态规划
2.典型的强化学习算法
3.深度强化学习
加入高级会员获得助教答疑
