一、教学目标和基本要求

脑认知及其相关的智能科学是人工智能专业的重要基础知识,通过对这门课程的学习,

要求学生掌握脑与认知科学的基本概念和知识结构,熟悉认知相关的智能科学技术方法、

原理与应用等,了解相关领域的研究现状和发展趋势,对已有成果展开分析与讨论,为

今后进一步的学科探索打好基础。

二、课程简介

本课程重点介绍脑与认知科学的基本概念、知识及其在现实生活中的应用,在此基础

上介绍人工大脑、认知计算等相关的智能科学技术,体现了脑科学、认知科学、人工智能

及计算机和信息科学等多学科领域交叉的特点,为学生提供较为全面系统的知识框架,为

进一步学习后续专业课程打下良好的基础。

三、教材名称及主要参考书

(1)Michael Gazzaniga等著,《认知神经科学》,中国轻工业出版社,2016年(图书馆借阅)

(2)王志良主编,《脑与认知科学概论》,北京邮电大学出版社,2011年(图书馆借阅)

(3)杰夫·霍金斯著,《人工智能的未来》,陕西科学技术出版社,2006年(图书馆借阅)

四、课程内容和课件资料 (更新日期:2020-02-27)

第一章 《绪论及脑科学发展史》

第二章 《神经系统的细胞机制》

成为VIP会员查看完整内容
0
50

相关内容

题目

第八届中国科技大学《计算机图形学》暑期课程课件

关键字

计算机图像学,教学课件,中国科技大学

简介

《计算机图形学前沿进展》(课程编号:001M06)为中国科技大学暑期学期的课程。课程由数学科学学院中科大图形与几何计算实验室(GCL)的张举勇老师与刘利刚老师及国内外学者共同授课。本年度课程的主题为 “几何优化、几何深度学习与三维视觉” 。本次课程的内容涵盖数值优化、几何建模、三维重建、三维场景理解、几何深度学习等内容,内容丰富和前沿,是了解计算机图形学与三维机器视觉前沿和未来方向的非常难得的机会。若对计算机图形学中的几何处理不太熟悉的同学,可提前看一下 刘利刚老师开设的本科生课程《计算机图形学》( 2013,2014, 2015,2016,2017,2018 )和研究生课程《数字几何处理》的主页(其中有较完善的课程课件提供下载 )。

本课程为中国科学技术大学全校性公共选修课程,面向应用数学、计算机科学、信息科学等相关专业的学生,欢迎数学学院、少年班学院、信息学院、计算机学院等学院的本科生高年级学生和研究生来选课 。【注】若本校的本科生需要该课程的学分,只需要在校教务系统中进行选课,而不再需要通过课程的注册系统进行注册。本次暑期课程以介绍计算机图形学与三维视觉领域的最新的研究成果及进展为主,同时兼顾本科生也会介绍该领域的一些基本问题和研究方向,只要有《线性代数》、《微积分》、《数值最优化》、《微分几何》等课程知识的学生都可以听懂。

出处

中国科技大学

成为VIP会员查看完整内容
0
22

课程题目

机器学习中的常识性问题

课程内容

机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径。本课程主要介绍了当下机器学习的常识性问题,如机器学习概念,发展历史,超参数,常用的统计学习方法,以及数学理论等基础性知识。

成为VIP会员查看完整内容
0
35
小贴士
相关VIP内容
专知会员服务
120+阅读 · 2020年6月24日
专知会员服务
47+阅读 · 2020年6月20日
【新书】图神经网络导论,清华大学刘知远老师著作
专知会员服务
232+阅读 · 2020年6月12日
【哈佛《CS50 Python人工智能入门》课程 (2020)】
专知会员服务
72+阅读 · 2020年4月12日
 第八届中国科技大学《计算机图形学》暑期课程课件
专知会员服务
22+阅读 · 2020年3月4日
电力人工智能发展报告,33页ppt
专知会员服务
42+阅读 · 2019年12月25日
【课程推荐】人工智能导论:Introduction to Articial Intelligence
【机器学习课程】机器学习中的常识性问题
专知会员服务
35+阅读 · 2019年12月2日
相关资讯
相关论文
Varun Kumar,Ashutosh Choudhary,Eunah Cho
8+阅读 · 2020年3月4日
Meta-Transfer Learning for Zero-Shot Super-Resolution
Jae Woong Soh,Sunwoo Cho,Nam Ik Cho
28+阅读 · 2020年2月27日
Meta-Learning with Implicit Gradients
Aravind Rajeswaran,Chelsea Finn,Sham Kakade,Sergey Levine
7+阅读 · 2019年9月10日
Runhao Zeng,Wenbing Huang,Mingkui Tan,Yu Rong,Peilin Zhao,Junzhou Huang,Chuang Gan
5+阅读 · 2019年9月7日
Kwonjoon Lee,Subhransu Maji,Avinash Ravichandran,Stefano Soatto
3+阅读 · 2019年4月23日
Antreas Antoniou,Harrison Edwards,Amos Storkey
17+阅读 · 2019年3月5日
Minghao Hu,Furu Wei,Yuxing Peng,Zhen Huang,Nan Yang,Dongsheng Li
3+阅读 · 2018年11月15日
ClusterGAN : Latent Space Clustering in Generative Adversarial Networks
Sudipto Mukherjee,Himanshu Asnani,Eugene Lin,Sreeram Kannan
5+阅读 · 2018年9月10日
Linfeng Song,Zhiguo Wang,Mo Yu,Yue Zhang,Radu Florian,Daniel Gildea
6+阅读 · 2018年9月6日
Shikun Liu,Edward Johns,Andrew J. Davison
14+阅读 · 2018年3月28日
Top