• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
2018/2019

Теория нейронных сетей

Язык: русский

Программа дисциплины

Аннотация

Дисциплина Теория нейронных сетей является первой дисциплиной майнора Нейросетевые технологии, предназначена для студентов второго курса бакалавриата. Дисциплина ставит своей целью ознакомить студентов с устройством искусственных и естественных нейронных сетей, способами их обучения. В первом модуле рассматривается устройство базовых типов искусственных нейронных сетей: персептрона, радиально-базисные, СМАС, сверточные, рекуррентные, самоорганизующиеся и др. Во втором модуле изучается физиология нейрона, механизмы мозга, речевой и зрительный анализатор. Дисциплина является основой для последующих дисциплин майнора, курсовых и дипломных работ.
Цель освоения дисциплины

Цель освоения дисциплины

  • Приобретение базовых знаний об архитектурах искусственных нейронных сетей, методах их обучения, проверки.
  • Приобретение базовых знаний об устройстве мозга, физиологии биологического нейрона, устройстве зрительного и речевого анализатора
Планируемые результаты обучения

Планируемые результаты обучения

  • Знает основные виды искусственных нейронных сетей, способы их обучения.
  • Умеет рассчитывать градиент сложной функции и применять градиентные методы для настройки нейронных сетей
  • Знает основные механизмы работы мозга
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Основные понятия теории искусственных нейронных сетей.
    Понятие искусственного нейрона, его структура, виды нейронов. Понятие нейронной сети, типы связей между нейронами. Виды нейронных сетей, их архитектуры. Персептрон, радиально-базисная сеть, сеть СМАС, самоорганизующаяся карта Кохонена, рекуррентные сети. Методы настройки (обучения) нейронных сетей. Обучение с учителем и самообучение, обучение с подкреплением. Градиентные методы обучения, его модификации, обратное распространение ошибки. Виды функций ошибки. Требования к обучающим и тестовым множествам. Методика синтеза нейронных сетей. Некоторые сведения об оптимизации структуры и параметров нейронных сетей. Matlab Neural Network Toolbox.
  • Основы биологических нейронных сетей
    Механизмы мозга: кора, гиппокамп, таламус. Физиология нейрона. Речевой анализатор человека. Артикуляторные органы человека. Зрительный анализатор. Грубый и тонкий каналы обработки информации. Формализм искусственных нейронных сетей на основе нейроподобных элементов с временной суммацией сигналов. Гиппокамп. Ламель гиппокампа. Поле СА3.
Элементы контроля

Элементы контроля

  • неблокирующий Контрольные вопросы по лекциям
    Контрольные вопросы по лекциям. Регулярные тесты по материалам прошедших лекций. Не менее 4 раз за дисциплину. Возможно проведение онлайн. Разрешено использование только собственных записей и материалов в ЛМС. Пересдаче не подлежит. При пропуске по уважительной причине можно сдать на следующем занятии. Пропуск по неуважительной причине оценивается в 0 баллов. За каждый тест выставляется 10 бальная оценка, общая оценка КВЛ считается как среднее арифметическое от всех полученных оценок за тесты, округляется по стандартным правилам.
  • неблокирующий Контрольные задания по практическим занятиям
    Контрольные задания по практической работе. Регулярные задания по теме практических занятий. Не менее 4 раз за дисциплину. Разрешенные источники указываются преподавателем для каждого задания. Пересдаче не подлежит. При пропуске по уважительной причине можно сдать на следующем занятии. Пропуск по неуважительной причине оценивается в 0 баллов. За каждое задание выставляется 10 бальная оценка, общая оценка считается как среднее арифметическое от всех полученных оценок, округляется по стандартным правилам.
  • неблокирующий Модульная контрольная работа
    Модульная контрольная работа. Проводится в конце 1 модуля по пройденным материалам. В виде теста и\или расчетной (практической) части. Не более 2 ак. час. Может проводиться онлайн. Пересдаче не подлежит. При пропуске по уважительной причине можно сдать, по решению преподавателя, на одном из последующих занятий. Пропуск по неуважительной причине оценивается в 0 баллов. Оценка 10-бальная. Оценивается качество ответов на вопросы тестов и выполнения практического задания.
  • неблокирующий Домашнее задание
    Домашнее задание. Презентация (устный доклад) по выбранной и согласованной теме на 15-20 минут. Пересдаче не подлежит. Проводится на любом семинаре по выбору студента и согласованию с преподавателем. Оценка 10-бальная. Оценивается качество доклада, актуальность и сложность темы, качество ответов на вопросы.
  • неблокирующий Экзамен
    Экзамен (письменный). В виде теста и\или расчетной (практической) части. Проводится в сессию (2 модуль). Не более 2 ак. час. Разрешено использование собственных записей, материалов размещенных в ЛМС. Оценка 10-бальная. Оценивается качество ответов на вопросы тестов и выполнения практического задания.
  • неблокирующий Личные достижения
    Дополнительная, необязательная оценка, оцениваются личные достижения студента в области нейросетевых технологий как-то: выполненные курсовые работы, научные проекты, опубликованные работы, пройденные онлайн курсы и др. Достижения должны приходиться на период изучения Дисциплины. Не оцениваются повторно. Результаты докладываются публично на семинаре, и должны быть подтверждены. Оценивается сложность, актуальность результатов, качество доклада и ответов на вопросы.
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (2 модуль)
    ОКРУГЛЕНИЕ (МИНИМУМ(10, 0.4 * Домашнее задание + 0.1 * Контрольные вопросы по лекциям + 0.2 * Контрольные задания по практическим занятиям + 0.7 * Личные достижения + 0.1 * Модульная контрольная работа+ 0.2 * Экзамен))
Список литературы

Список литературы

Рекомендуемая основная литература

  • - Амос Гилат — MATLAB. Теория и практика - Издательство "ДМК Пресс" - 2016 - ISBN: 978-5-97060-183-9 - Текст электронный // ЭБС Лань - URL: https://e.lanbook.com/book/82814
  • - Дьяконов В.П. — MATLAB 7.*/R2006/R2007: Самоучитель - Издательство "ДМК Пресс" - 2009 - ISBN: 978-5-94074-424-5 - Текст электронный // ЭБС Лань - URL: https://e.lanbook.com/book/1178
  • Нейрокомпьютеры : учеб. пособие для вузов, Комарцова Л. Г., Максимов А. В., 2004
  • Нейронные сети : полный курс, Хайкин С., Куссуль Н. Н., 2006
  • 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
  • Основы нейрофизиологии : учеб. пособие для вузов, Шульговский В. В., 2002

Рекомендуемая дополнительная литература

  • - Антонио Джулли, Суджит Пал — Библиотека Keras – инструмент глубокого обучения. Реализация нейронных сетей с помощью библиотек Theano и TensorFlow - Издательство "ДМК Пресс" - 2018 - ISBN: 978-5-97060-573-8 - Текст электронный // ЭБС Лань - URL: https://e.lanbook.com/book/111438
  • - Барский А.Б. — Введение в нейронные сети - Национальный Открытый Университет "ИНТУИТ" - 2016 - ISBN: - Текст электронный // ЭБС Лань - URL: https://e.lanbook.com/book/100684
  • - Гудфеллоу Я., Бенджио И., Курвилль А. — Глубокое обучение - Издательство "ДМК Пресс" - 2018 - ISBN: 978-5-97060-618-6 - Текст электронный // ЭБС Лань - URL: https://e.lanbook.com/book/107901
  • - Паттерсон Дж., Гибсон А. — Глубокое обучение с точки зрения практика - Издательство "ДМК Пресс" - 2018 - ISBN: 978-5-97060-481-6 - Текст электронный // ЭБС Лань - URL: https://e.lanbook.com/book/116122
  • - Ростовцев В.С. — Искусственные нейронные сети: учебник - Издательство "Лань" - 2019 - ISBN: 978-5-8114-3768-9 - Текст электронный // ЭБС Лань - URL: https://e.lanbook.com/book/122180
  • - Флах П. — Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных - Издательство "ДМК Пресс" - 2015 - ISBN: 978-5-97060-273-7 - Текст электронный // ЭБС Лань - URL: https://e.lanbook.com/book/69955
  • - Хливненко Л.В., Пятакович Ф.А. — Практика нейросетевого моделирования: учебное пособие - Издательство "Лань" - 2019 - ISBN: 978-5-8114-3639-2 - Текст электронный // ЭБС Лань - URL: https://e.lanbook.com/book/123697
  • Анализ и обработка сигналов в среде MATLAB/ЩетининЮ.И. - Новосиб.: НГТУ, 2011. - 115 с.: ISBN 978-5-7782-1807-9 - Режим доступа: http://znanium.com/catalog/product/548133
  • Ковалева А. В.-НЕЙРОФИЗИОЛОГИЯ, ФИЗИОЛОГИЯ ВЫСШЕЙ НЕРВНОЙ ДЕЯТЕЛЬНОСТИ И СЕНСОРНЫХ СИСТЕМ. Учебник для СПО-М.:Издательство Юрайт,2019-365-Профессиональное образование-978-5-534-00719-0: -Текст электронный // ЭБС Юрайт - https://biblio-online.ru/book/neyrofiziologiya-fiziologiya-vysshey-nervnoy-deyatelnosti-i-sensornyh-sistem-437092
  • Красавин А. В., Жумагулов Я. В.-КОМПЬЮТЕРНЫЙ ПРАКТИКУМ В СРЕДЕ MATLAB 2-е изд. Учебное пособие для вузов-М.:Издательство Юрайт,2019-277-Университеты России-978-5-534-08509-9: -Текст электронный // ЭБС Юрайт - https://biblio-online.ru/book/kompyuternyy-praktikum-v-srede-matlab-442328
  • Лебедев, А.А. Нейрофизиология. Основы курса. : учебное пособие / Лебедев А.А., Русановский В.В., Лебедев В.А., Шабанов П.Д. — Москва : КноРус, 2019. — 230 с. — (специалитет). — ISBN 978-5-406-06944-8. — URL: https://book.ru/book/931372 (дата обращения: 10.10.2019). — Текст : электронный.
  • Моделирование систем управления с применением MatLab : учеб. пособие / А.Н. Тимохин, Ю.Д. Румянцев ; под ред. А.Н. Тимохина. — М. : ИНФРА-М, 2017. — 256 с. + Доп. материалы [Электронный ресурс; Режим доступа http://www.znanium.com]. —(Высшее образование: Бакалавриат). — www.dx.doi.org/10.12737/14347. - Режим доступа: http://znanium.com/catalog/product/590240
  • Нейротехнологии: нейро-БОС и интерфейс «мозг - компьютер»: Монография / Кирой В.Н., Лазуренко Д.М., Шепелев И.Е. - Ростов-на-Дону:Южный федеральный университет, 2017. - 244 с.: ISBN 978-5-9275-2232-3 - Текст : электронный. - URL: http://znanium.com/catalog/product/996688
  • Шульговский, В.В. Нейрофизиология. : учебник / Шульговский В.В. — Москва : КноРус, 2019. — 272 с. — (для бакалавров). — ISBN 978-5-406-06664-5. — URL: https://book.ru/book/929994 (дата обращения: 10.10.2019). — Текст : электронный.