Научно-исследовательский семинар "Нейросетевые технологии"

2021/2022

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

Кто читает:

Департамент программной инженерии

Статус:

Курс по выбору

Когда читается:

1-й курс, 1-3 модуль

Преподаватель

Пантюхин Дмитрий Валерьевич

Программа дисциплины

Аннотация

Дисциплина НИС Нейросетевые технологии для студентов первого курса ставит своей целью ознакомить студентов с текущими достижениями в области нейронных сетей, теории и практике их применения. Рассматривается широкий круг различных типов нейронных сетей, методов их настройки (обучения) и применения для различных задач, начиная от распознавания изображений до задач криптографии. Рассматриваются аппаратные реализации нейронных сетей - нейрокомпьютеры, новая элементная база - мемристоры и многое другое. Дисциплина может служить основой для выполнения курсовых и дипломных работ.

Цель освоения дисциплины

• Приобретение знаний и практического опыта в широкой области нейросетевых технологий: теории, практике применения, аппаратной реализации нейронных сетей.
• Приобретение навыков исследовательской работы, предполагающей самостоятельное изучение специфических нейросетевых технологий, широко применяемых в различных областях современной науки и техники.

Планируемые результаты обучения

• Знает классификацию, основные виды и архитектуры нейрокомпьютеров и нейрочипов
• Знает основные виды нейронных сетей, способы их обучения
• Знает способы применения нейронных сетей для ряда практических задач, включая обработку изображений, сигналов, текста, управление, криптографию, информационную безопасность.
• Умеет использовать адаптивные линейные и нелинейные фильтры
• Умеет применять градиентные методы для настройки нейронных сетей

Содержание учебной дисциплины

• Основные понятия теории нейронных сетей.
• Аппаратные реализации нейронных сетей и нейроуправление.
• Применения нейронных сетей

Элементы контроля

• Домашнее задание
  Презентация (устный доклад) по выбранной и согласованной теме на 15-20 минут. Проводится на семинаре в даты обозначенные преподавателем.
• экзамен
  Экзамен (письменный). В виде теста, не менее 10 вопросов и\или расчетной части. Проводится в сессию (3 модуль). Не более 2 ак. час. Разрешено использование только собственных записей семинаров, материалов размещенных в ЛМС. Запрещены другие источники информации, включая Интернет. Запрещено списывание, посторонние разговоры. Экзамен проводится в письменной форме (тест по материалам занятий). Экзамен проводится на платформе Гугл Формы: https://www.google.ru/intl/ru/forms/about/ и\или MSTeams. К экзамену необходимо подключиться за 0 минут до начала экзамена согласно расписанию. Компьютер студента должен удовлетворять требованиям: стабильное подключение к Интернет. Для участия в экзамене студент обязан: явиться на экзамен согласно точному расписанию. Во время экзамена студентам запрещено: пользоваться интерактивными источниками информации (чаты, звонки и т.п.) и подсказками третьих лиц. Во время экзамена студентам разрешено: использование любых письменных материалов (материалы лекций, книги, статьи и т.п.). Кратковременным нарушением связи во время экзамена считается нарушение связи менее 10 минут. Долговременным нарушением связи во время экзамена считается нарушение связи более 10 минут. При долговременном нарушении связи студент не может продолжить участие в экзамене.
• контрольные вопросы по семинарам
  Во время семинара проводится ограниченный по времени опрос по темам изученным на семинаре к моменту опроса (включая темы текущего семинара), за что выставляется оценка в 10 бальной шкале. Общая оценка за контрольные вопросы по семинарам вычисляется как среднее оценок за каждый семинар в десятибалльной шкале, округляется к ближайшему целому.
• Личные достижения
  Оцениваются знания студента сверх требований программы в виде самостоятельно выполненных проектов, прохождения учебных курсов по темам НИС, в т.ч. онлайн, участие в конференциях, научных проектах, публикациях. Результаты должны быть доложены на семинаре.

Промежуточная аттестация

• 2021/2022 учебный год 3 модуль
  0.4 * Домашнее задание + 0.2 * экзамен + 0.2 * Личные достижения + 0.2 * контрольные вопросы по семинарам

Список литературы

Рекомендуемая основная литература

• Нейрокомпьютеры : учеб. пособие для вузов, Комарцова, Л. Г., 2004
• Нейронные сети : полный курс, Хайкин, С., 2006
• Нейронные сети, генетические алгоритмы и нечеткие системы, Рутковская, Д., 2008
• Нейронные сети: основы теории / А.И. Галушкин. - М.: Гор. линия-Телеком, 2012. - 496 с.: ил.; 60x90 1/16. (обложка) ISBN 978-5-9912-0082-0, 1000 экз. - Режим доступа: http://znanium.com/catalog/product/353660

Рекомендуемая дополнительная литература

• Python для сложных задач: наука о данных и машинное обучение : пер. с англ., Плас, Дж. Вандер, 2019
• Антонио, Д. Библиотека Keras – инструмент глубокого обучения. Реализация нейронных сетей с помощью библиотек Theano и TensorFlow / Д. Антонио, П. Суджит ; перевод с английского А. А. Слинкин. — Москва : ДМК Пресс, 2018. — 294 с. — ISBN 978-5-97060-573-8. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/111438 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Барский, А. Б. Введение в нейронные сети : учебное пособие / А. Б. Барский. — 2-е изд. — Москва : ИНТУИТ, 2016. — 358 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100684 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Вэйвлеты в обработке сигналов : учеб. пособие для вузов, Малла, С., 2005
• Ежов, А. А. Нейрокомпьютинг и его применения в экономике и бизнесе : учебное пособие / А. А. Ежов, С. А. Шумский. — 2-е изд. — Москва : ИНТУИТ, 2016. — 306 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100269 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• ИНТЕЛЛЕКТУАЛЬНЫЕ ТЕХНОЛОГИИ АКТИВНОЙ БЕЗОПАСНОСТИ АВТОМОБИЛЯ НА ОСНОВЕ АДАПТИВНОГО НЕЙРО-НЕЧЕТКОГО УПРАВЛЕНИЯ (5 глава коллектив. монографии) / Горбачев С.В. - М.:НИЦ ИНФРА-М, 2017. - 112 с.: 60x90 1/16 ISBN 978-5-16-105856-5 (online) - Режим доступа: http://znanium.com/catalog/product/910754
• Ким Д. П. - ТЕОРИЯ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ. МНОГОМЕРНЫЕ, НЕЛИНЕЙНЫЕ, ОПТИМАЛЬНЫЕ И АДАПТИВНЫЕ СИСТЕМЫ. ЗАДАЧНИК 2-е изд., испр. и доп. Учебное пособие для академического бакалавриата - М.:Издательство Юрайт - 2019 - 331с. - ISBN: 978-5-534-01459-4 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/teoriya-avtomaticheskogo-upravleniya-mnogomernye-nelineynye-optimalnye-i-adaptivnye-sistemy-zadachnik-437105
• Обработка изображений с помощью OpenCV / Б. Г. Глория, Д. С. Оскар, Л. Э. Хосе, С. Г. Исмаэль. — Москва : ДМК Пресс, 2016. — 210 с. — ISBN 978-5-97060-387-1. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/90116 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Основы криптографии : учеб. пособие, Алферов, А. П., 2005
• Применение искусственных нейронных сетей и системы остаточных классов в криптографии : монография / Н. И. Червяков, А. А. Евдокимов, А. И. Галушкин, И. Н. Лавриненко. — Москва : ФИЗМАТЛИТ, 2012. — 280 с. — ISBN 978-5-9221-1386-1. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/5300 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Рашка, С. Python и машинное обучение: крайне необходимое пособие по новейшей предсказательной аналитике, обязательное для более глубокого понимания методологии машинного обучения : руководство / С. Рашка ; перевод с английского А. В. Логунова. — Москва : ДМК Пресс, 2017. — 418 с. — ISBN 978-5-97060-409-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100905 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Ростовцев В.С. - Искусственные нейронные сети: учебник - Издательство "Лань" - 2019 - 216с. - ISBN: 978-5-8114-3768-9 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/122180
• Смит, С. Цифровая обработка сигналов. Практическое руководство для инженеров и научных работников : учебник / С. Смит. — Москва : ДМК Пресс, 2011. — 720 с. — ISBN 978-5-94120-145-7. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/60986 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Тарков, М. С. Нейрокомпьютерные системы : учебное пособие / М. С. Тарков. — 2-е изд. — Москва : ИНТУИТ, 2016. — 170 с. — ISBN 5-9556-0063-9. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100268 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Флах, П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных / П. Флах. — Москва : ДМК Пресс, 2015. — 400 с. — ISBN 978-5-97060-273-7. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/69955 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Хливненко Л.В., Пятакович Ф.А. - Практика нейросетевого моделирования: учебное пособие - Издательство "Лань" - 2019 - 200с. - ISBN: 978-5-8114-3639-2 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/123697
• Цифровая обработка сигналов: Учебное пособие / Ролдугин С.В., Паринов А.В., Голубинский А.Н. - Воронеж:Научная книга, 2016. - 144 с. ISBN 978-5-4446-0908-8 - Режим доступа: http://znanium.com/catalog/product/923327
• Цифровая фильтрация и синтез цифровых фильтров / Яковлев А.Н., Соколова Д.О. - Новосиб.:НГТУ, 2012. - 64 с.: ISBN 978-5-7782-1964-9
• Шарден, Б. Крупномасштабное машинное обучение вместе с Python : учебное пособие / Б. Шарден, Л. Массарон, А. Боскетти ; перевод с английского А. В. Логунова. — Москва : ДМК Пресс, 2018. — 358 с. — ISBN 978-5-97060-506-6. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/105836 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.