Kursanalys för

2D1430 Artificiella neuronnät och neurofysiologi, 6 poäng

Genomförd

Läsperiod 3 och 4, 1999

Kursledare, övriga föreläsare och assistenter

Anders Lansner, kursledare

Mikael Djurfeldt

Örjan Ekeberg

Erik Fransén

Anders Sandberg

Föreläsningar, övningar, laborationer

21x2 föreläsningstimmar, 6x4 laborationstimmar

Antal registrerade elever

68 st, från D (ca 35%), E (ca 8%), F (ca 37%), övriga KTH (ca 16 %), SU (ca 4 %)

Kurslitteratur

H. Reichert: Introduction to neurobiology, Georg Thieme Verlag, 1992

S. Haykin: Neural networks - A comprehensive foundation, Macmillan College Publ, Co, NY, 2nd 1999.

Kursmoment

TEN1 (5 p), LAB1 (1 p)

Avklarat

Per 1999-06-21 har 40 elever klarat TEN1.

Per 1999-06-21 har 52 elever klarat LAB1.

Per 1999-06-21 har 37 elever klarat kursen (37/68).

Examinationsgrad: per 1999-06-21 har 37 elever klarat hela kursen (54 %).

Mål

Kursen mål är att ge översikt och grundläggande kunskaper om neuronnät, såväl beräkningsmässiga som biologiska aspekter, samt om praktisk användning av olika metoder baserade på artificiella neuronnät (ANN). Avsikten är att eleverna ska få en förståelse för fördelar och begränsningar hos dagens ANN-baserade tekniker samt för deras tekniska potential.

Förändringar inför denna kursomgång

Den största förändringen denna kursomgång var byte till andra upplagan av en av kursböckerna (Haykin). Kursboken kom alldeles i början av kursen och då det var påtagliga ändringar från första upplagan blev det vissa förändringar och en del problem, behov av nya läsanvisningar bl a. Dessutom var den andra kursboken (Reichert) slut frå förlaget, vilket också framkom när kursen redan börjat!

Kursuppläggningen föjlde dock i stort sett föregående kursomgång. Ett avsnitt om förstärkningsinlärning tillkom dock (reinforcement learning). Dessutom lades en möjlighet in att göra en labprojektuppgift istället för lab 6. Båda dessa förändringar gjordes mot bakgrund av utvärderingen av föregående kursomgång.

Sammanfattning

Sammanfattningvis en ganska rolig och givande kurs att ge och att läsa (att döma av elevenkätsvar). Den faller dock gärna sönder i två delar, den biologiska respektive den artificiella, trots ansatser att hålla ihop dessa. Det beror mycket på att kursböckerna är ganska renodlade neurofysiologi respektive ANN.

Kursmaterialet är stort och kursen blir mer av en ytlig genomgång av materialet än att eleverna verkligen får tränga in i det. Möjligheten att i år göra en labprojektuppgift var uppskattad och utnyttjades av (7 st hittills).

Kursen ges f ö i år för sista gången och "ersätts" av kurserna 7E1201 Neurovetenskap, 2D1434 och 2D1434 Bio- och neuromodellering, samt 2D1432 Artificiella neuronnät och andra lärande system.

Undervisingen

Undervisningen består i huvudsak av föreläsningar. Det blir ganska lite om varje avsnitt. Som föreläsare upplever man ibland att det blir alltför ytligt vilket då och då gör att man går in på detaljer i algoritmerna, formler, etc. vilket inte uppskattas av så många.

Laborationerna är relativt väl tillrättalagda och kräver inte mer än ett par timmars förberedelse. De tycks dock ändå ge en god utdelning att döma av elevernas kommentarer.

Examination

Examinationen består av skriftlig tentamen och 6 st laborationer. Tentamen är i huvudsak av berättarkaraktär men med någon del där mera formella kunskaper testas. Det är rimligt med hänsyn till hur kursen ser ut.

Kurslitteratur

Neurofysiologiboken (Reichert) är mycket kompakt och full av terminologi, så den upplevs som ganska ovan och jobbig. Den är nog bra för sitt syfte dock.

ANN-boken (Haykin) är mycket omfattande, ingående och ordrik. Den har ibland närmast karaktären av uppslagsbok och är som sådan användbar. Dock saknas några viktiga delar (som därmed inte ingått i kursen), t ex "reinforcementinlärning".

Läsanvisningarna behöver göras mera precisa och mindre omfattande.

Elevenkät

Gjordes av en D-elev (Markus Cederlund) i samband med sista föreläsningen. Tyvärr baserad på endast ca 25 svar. Det framgår dock att kursen anses medelsvår till svår, att den är inressant och meningsfull, att föreläsningarna är tråkiga men labbarna bra. Man efterlyste kopior av stenciler från föreläsningarna. Störst klagomål orsakar ANN-kursboken Haykin, allför teoretisk och ostruktuererad.

Kursens belastning för eleverna

Inga särskilda klagomål på för stor belastning har förekommit. Enligt enkäten läser eleverna denna kurs parallellt med 2-3 andra och har ägnat i genomsnitt 15-30% av tiden till just denna kurs.

Förkunskaper

Enlig enkäten är angivna förkunskaper adekvata och eleverna har inte upplevt några problem där.

Verkligt kursinnehåll

Kursens innehåll följde i stort sett vad som planerats. Grunderna om nervceller och biologiska neuronnät, sensorik och motorik. Modellering och simulering av verkliga neuronnät. De vanligaste ANN-arkitekturerna och inlärningsalgoritmerna. Metoder för oövervakad inlärning och förstärkningsinlärning. Principer för representation i neuronnät. Maskinvaruarkitekturer för neurala beräkningar (neurochips och neurodatorer). Exempel på tekniska tillämpningar av ANN inom områden som mönsterigenkänning, kombinatorisk optimering, diagnos och robotik.

Planerade förändringar

Ej aktuellet (kursen utgår, se ovan).

Diskussion och publicering

En länk till resultatet av kursenkäten har lagts in på kursens aktuelltsida på WWW.