1- معرفی شبکه های عصبی پرسپترون تک و چند لایه
- تئوری
- مدل سازی ریاضی
- ترکیبات منطقی تک و چند لایه
- بررسی روش های بهینه سازی
o کلاسیک ؛ Levenberg-Marquardt
- Gradient Descend
- Back propagation
- Adaptive Learning
o هوشمند
- معرفی کاربردهای شبکه عصبی
- Modeling & Function approximation
- Classification ، Vector quantization
- Associated Memory
- Compression
- Optimization
- System Identification
- Control
2- معرفی شبکه های عصبی شعاعی
3- معرفی روش های آموزش کلاسیک و هوشمند و کد نویسی آنها
4- معرفی سری های زمانی و کدنویسی آنها
5- معرفی شبکه های عصبی هایفیلد و رقابتی و نگاشت SOM
6- یادگیری غیرنظارتی و الگوریتم k-means
7- معرفی ماشین بردار پشتیبان و کلاسترینگ و رگرسیون آن