Kursanalys 2005, Artificiella neuronnät och andra lärande system, 2D1432, 4 poäng

Kursdata

Mål

Kursens mål är att ge grundläggande kunskaper om ANN-baserade och andra inlärningsbaserade metoder samt övning i praktisk användning av dessa för att studenterna ska få en förståelse för den tekniska potentialen samt fördelar och begränsningar hos dagens lärande och självorganiserande system.

Sammanfattning

Detta är en kurs öppen för många olika utbildningsprogram och de som väljer den motiverar ofta sitt val med att ämnet verkar roligt. Det verkar också som att vi lyckats infria de höga förväntningarna, flera studenter har t.o.m. berättat att detta var en av de roligaste kurserna de läst på teknis.

Inför årets kursomgång gjordes två större förändingar. Dels bytte vi till en mer utförlig kursbok, dels ersattes BCPNN-labben med en helt ny labb om självorganiserade topologiska avbildningar. Båda dessa åtgärder tycks ha fungerat bra.

Undervisningen

Undervisningen har bestått av 13 tvåtimmarsföreläsningar som var och en har haft ett tydligt tema, t.ex. en algoritm eller en grupp av relaterade metoder. Dessutom har studenterna arbetat med fyra obligatoriska laborationer som till viss del är av demonstrationskaraktär.

Examination

Kursen examineras genom muntlig redovisning av de fyra laborationerna samt en skriftlig tentamen. Laborationsredovisningen sker genom att studenterna anmäler sig via ett webb-baserat bokningssystem för en halvtimmes redovisningspass. En handledare går igenom laborationen, med tonvikt på de frågor som finns i labbanvisningen, tillsammans med studenterna.

Tentamen består av ett antal frågor som testar förståelsen för hur de olika metoderna fungerar och vad de har för speciella egenskaper. Betyget sätts efter tentaresultatet.

Kurslitteratur

Nytt för i år var att vi använde en annan kursbok: Fausetts Fundementals of Neuroal Networks. Denna bok är dock inte något slutlig lösning för boken är både gammal (1994) och ganska dyr. Tack vare ett speciellt avtal med förlaget fick studenterna dock köpa boken till reducerat pris. Fördelen med boken är att den tar upp de flesta grundläggande algoritmerna på ett begripligt sätt.

Vi har kompletterat kursboken, dels genom att kopiera alla OH-bilder som använts på föreläsningarna, dels genom att dela ut några översiktsartiklar inom området. Några avsnitt i kursen behandlas inte alls i kursboken (Reinforcement learning, BCPNN and genetiska algoritmer) och beskrivs därför bara i det utdelade extramaterialet.

Studentsynpunkter

Vid kursens slut gjordes en enkät som besvarades av 16 studenter. Resultatet finns här. De flesta tycker att det är en rolig kurs och är också nöjda med själva genomförandet. Föreläsningarna är mycket uppskattade och labbarna får i huvudsak positiva omdömen.

Några studenter tycker att vi borde gå in mer på de matematiska detaljerna medan andra istället tycker att det är lite väl mycket matematik. Den stora spridningen i studenternas bakgrund gör att vi måste anpassa oss till någon slags medelnivå, vilket vi tycks lyckas bra med.

Kursens belastning för studenterna

Allt tyder på att belastningen för studenterna är "lagom".

Förkunskaper

Eftersom kursen vänder sig till studenter från många olika utbildningsprogram är förkunskapsnivån mycket varierande. Trots detta har vi inte upplevt några större problem med studenternas förkunskaper.

Planerade förändringar

Den nya kursboken kan bara ses som en temorär lösning och vi hoppas fortfarande att det ska dyka upp någon bättre bok på marknaden. På sikt borde vi fundera över om vi inte borde skriva ihop någon slags kurskompendium av tillräckligt hög kvalitet utgående från de nuvarande OH-kopiorna och föreläsningsmaterialet.

Vi har succesivt förbättrat laborationerna. De ursprungliga laborationerna var skrivna för att passa även de som inte kan programmera. Vi har nu ersatt de flesta av dessa med laborationer där det studenterna programmerar de centrala delarna av algoritmerna. Den laboration som står i tur att ersättas är nu den som behandlar Hopfieldnät. Denna laboration skulle behöva utvidgas till att behandla även andra typer av attraktorminnen. Dessa behandlades tidigare av BCPNN-labben som nu har utgått.

Ett förändringsarbete som pågår är samordningen med kursen i maskininlärning (2D1431). Från början hade vi ett alltför stort överlapp mellan de två kurserna, men nu har vi succesivt flyttat de algoritmer som har med ANN att göra till ANN-kursen och andra algoritmer till ML-kursen. Ett överlapp som återstår är fortfarande avsnittet om belöningsbaserad inlärning. Det hör naturligt hemma i båda kurserna, men det finns anledning att se över vad vi går igenom i de två kurserna.