此外，游寶達教授學習易經達20年以上，由於理工專業之背景，引發將易數教條賦予科學生命的動機，欲利用模糊推論的架構來整合易經卜卦之零散推論教條，讓《易數邏輯》課程成為一門融合邏輯推論及哲學論述的特色課程
課程簡介
類神經網路(neural network)是模擬人工智慧最基礎的學術領域，有其領域的理論、應用等之豐富度。本課程選取類神經網路的核心內容，以supervised learning為主要內容，論述backpropagation的架構，再引述deep learning的implement tools，讓其neural computation具有deep performance and applications之效能。
課程目標
1. 了解neuron的計算模型
2. 了解複雜neural system及computation的呈現及計算方式
3. 學習learning algorithm的設計、應用、分析等技術
4. 學會著名的backpropagation演算法
5. 學會Keras及TensorFlow的AI implementation方法及技
6. 學會影像處理的deep computation應用問題
適用對象
具有微積分、線性代數基礎的學生
課程特色
1. 學習AI的核心理論及技巧
2. 學習AI應用技巧
3. 學習Google等大廠的計算工具
4. 具有研發及撰寫論文的能力
課程進度
單元 1:Introduction of Neural Architecture 類神經架構簡介
單元 2:Design a Perceptron Learning Algorithm 設計感知學習演算法
單元 3:The Steepest Descent Learning Algorithm 最速下降學習算法
單元 4:LMS Learning Algorithm最小均方學習算法
單元 5:Learning Algorithm of Multiple Layers 多層網路學習演算法 (1)
單元 6:Learning Algorithm of Multiple Layers 多層網路學習演算法 (2)
單元 7:Learning Practices 學習演算法實例分析 (1)
單元 8:Learning Practices 學習演算法實例分析 (2)
單元 9:The Convolutional Neural Network 卷積神經網路
單元 10:The Recurrence Neural Network 循環神經網路
單元 11:Running TensorFlow with Applications TensorFlow的應用程式執行分析 (1)
單元 12:Running TensorFlow with Applications TensorFlow的應用程式執行分析 (2)
單元 13:深度類神經計算及應用