Artificial Neural Networks

เครือข่ายประสาทเทียม

4(4-0-8)

วิชาบังคับก่อน : ไม่มี

พื้นฐานเครือข่ายประสาทเทียม แบบจำลองนิวรอนและสถาปัตยกรรมเครือข่าย การเรียนรู้ของเพอร์เซ็พตรอน การเรียนรู้แบบแพร่กลับ เครือข่ายของฟังก์ชันฐานรัศมี การเรียนรู้เชิงลึก เครือข่ายประสาทแบบคอนโวลูชัน การประยุกต์เครือข่ายประสาทเทียมและเครือข่ายประสาทแบบคอนโวลูชันเพื่อแก้ปัญหา

ผลลัพธ์การเรียนรู้ที่คาดหวังระดับรายวิชา

ผู้เรียนสามารถอธิบายเกี่ยวกับ พื้นฐานเครือข่ายประสาทเทียม แบบจำลองนิวรอนและสถาปัตยกรรมเครือข่าย การเรียนรู้ของเพอร์เซ็พตรอน การเรียนรู้แบบแพร่กลับ เครือข่ายของฟังก์ชันฐานรัศมี การเรียนรู้เชิงลึก และเครือข่ายประสาทเทียมแบบคอนโวลูชัน ผู้เรียนสามารถออกแบบแต่ละแบบจำลองของเครือข่ายประสาทเทียม และสามารถเลือกแบบจำลองที่เหมาะสมไปประยุกต์ใช้กับปัญหาแต่ละประเภทได้

 

Artificial Neural Networks

4(4-0-8)

Prerequisite : none

Fundamental of artificial neural network, neuron model and network architecture, perceptron learning, back-propagation learning, radial basis function network, deep learning, convolutional neural network, application of artificial neural network and convolutional neural network to solve problem

Course Learning Outcomes (CLOs)

Student can explain fundamental concepts of artificial neural network, neuron model and network architecture, perceptron learning, back-propagation learning, radial basis function network, deep learning and convolutional neural network. Student can design each artificial neural network model and can select the suitable model for each applied problem. Student can apply artificial neural network and convolutional neural network to solve problem.