点击次数：

课程负责人：何毓辉

授课教师：何毓辉

开课学期：秋学期

教材及参考书：1）Advances in Neuromorphic hardware, Manan Suri, Springer, 2017 2) 《忆阻类脑计算》 何毓辉等，科学出版社，2023 电子版参考： https://husteducn-my.sharepoint.com/:b:/g/personal/2015010195_hust_edu_cn/EZDmoevo1FxClM1GmiyASngBmwvFuYsl3nvNgNYlYJeDhg?e=FgZcrB （需学校邮箱账号登录）

学科：电子科学与技术

课程号：OEI5721

学分：2.0

课程类型：本科生课程

课时：32.0

是否精品课程：否

选课人数：65

课程介绍：当前，以神经形态器件与网络(neuromorphic devices & neural network)为基础的类脑计算(Brain-inspired computing)、人工智能等研发是国际上一个重大热点方向，国际半导体技术路线图（ITRS）把神经形态计算列为下一代计算体系架构的两大候选之一，以美日欧为代表的世界主要发达国家纷纷投入巨额经费开展长期研究。本课程为有兴趣学习该交叉学科的高年级本科生提供神经网络模型的基础知识讲解，并在相关章节引入最新的前沿进展情况。 本课程以突触可塑性为核心，讲解大脑的学习过程，引入非监督学习、监督学习、强化学习等算法实例，并依托行业研究的最新硬件与软件进展进行讲解。通过本课程的学习，学生将初步掌握神经元、突触以及神经网络的工作原理与数学建模，并了解该研究领域前沿的最新进展以及待解决的问题，进而探讨类脑计算的底层器件实现与顶层算法架构等核心问题，进入到学科研究前沿。 本课程采用典型案例讲授知识点，培育和激发学生的科学精神与爱国情怀。

上课地点：东九教学楼

考试形式：论文考察

上课时间：第1周到第8周

考试时间：无

面向对象：Junior students of EE, physics and et al

对应教学计划：1 类脑人工智能概述 2 人工神经网络的监督学习 3 脉冲神经网络的监督学习 4 人工神经网络的非监督学习 5 脉冲神经网络的非监督学习 6 深度强化学习 7 卷积神经网络 8 忆阻突触矩阵的其它应用

开课学年：2023-2024