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

Нейропакеты

Язык: русский

Программа дисциплины

Аннотация

Дисциплина Нейроматематика является второй дисциплиной майнора Нейросетевые технологии, предназначена для студентов второго курса бакалавриата. Дисциплина ставит своей целью ознакомить студентов с базовыми задачами, решаемыми искусственными и естественными нейронными сетями, и углубить знания об архитектуре и способах их обучения. В третьем модуле рассматриваются задачи для базовых типов искусственных нейронных сетей: аппроксимация и экстраполяция функций многих переменных, классификация и кластеризация данных, решения линейных и нелинейных алгебраических и дифференциальных уравнений и др. В четвертом модуле изучаются трехкомпонентная модель мира, анализ речи и синтез речи, анализ зрительной информации, семантические представления, формирование представлений о ситуациях в гиппокампе, взаимодействие передних и задних отделов коры с гиппокампом, механизмы целенаправленного поведения, ассоциативная память. Дисциплина является основой для последующих дисциплин майнора, курсовых и дипломных работ, требует предварительного изучения дисциплины Теория нейронных сетей.
Цель освоения дисциплины

Цель освоения дисциплины

  • Приобретение знаний о способах решения базовых задач на искусственных нейронных сетях: аппроксимация, классификация, прогнозирование и др.
  • Приобретение базовых знаний о механизмах мозга для решения базовых задач: анализ и синтез речи, анализ зрительной информации, ассоциативная память и др.
Планируемые результаты обучения

Планируемые результаты обучения

  • Знает основные способы решения базовых математических задач на искусственных нейронных сетях
  • Умеет создавать, обучать и проверять нейронные сети для решения базовых математических задач (классификация, кластеризация, прогнозирование и др.)
  • Знает основные механизмы мозга для решения базовых задач (обработка речи, зрительной информации, память и др.)
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Основные способы решения базовых задач на искусственных нейронных сетях
    Задачи вычислительной математики. Аппроксимация функций. Решение линейных и нелинейных алгебраических уравнений. Решение дифференциальных уравнений, обыкновенных и в частных производных. Классификация данных. Сверточные нейронные сети и распознавание изображений. Кластеризация данных и построение адаптивных сеток (Модель «растущего нейронного газа»). Экстраполяция временных рядов и модели динамических нейронных сетей: рекуррентные нейронные сети. Клеточные нейронные сети.
  • Основные механизмы мозга для решения базовых задач
    Трехкомпонентная модель мира. Речевое поведение. Анализ речи. Синтез речи. Анализ зрительной информации. Семантические представления. Формирование представлений о ситуациях в гиппокампе. Взаимодействие передних и задних отделов коры с гиппокампом. Целенаправленное поведение. Ассоциативная память.
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 считается как среднее арифметическое от всех полученных оценок, округляется по стандартным правилам.
  • неблокирующий Контрольные задания по практическим занятиям
    Контрольные задания по практическим занятиям. Регулярные задания по темам 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 3 модуля по пройденным материалам. В виде теста и\или расчетной (практической) части. Не более 2 ак. час. Может проводиться онлайн. Разрешенные источники указываются преподавателем. 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
    В виде теста и\или расчетной (практической) части. Проводится в сессию (4 модуль). Не более 2 ак. час. Разрешено использование собственных записей, материалов размещенных в ЛМС, другие источники только с разрешения преподавателя. 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 (4 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

  • - 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
  • Нейронные сети : полный курс, Хайкин С., Куссуль Н. Н., 2006
  • Нейронные сети,генетические алгоритмы и нечеткие системы, Рутковская Д., Пилиньский М., 2008
  • Основы нейрофизиологии : учеб. пособие для вузов, Шульговский В. В., 2002

Рекомендуемая дополнительная 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
  • - 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
  • - Кудинов Ю.И., Пащенко Ф.Ф. — Теория автоматического управления (с использованием MATLAB — SIMULINK): учебное пособие - Издательство "Лань" - 2019 - ISBN: 978-5-8114-1994-4 - Текст электронный // ЭБС Лань - URL: https://e.lanbook.com/book/111198
  • - 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
  • - Сизиков В. С. — Обратные прикладные задачи и MatLab - Издательство "Лань" - 2011 - ISBN: 978-5-8114-1238-9 - Текст электронный // ЭБС Лань - URL: https://e.lanbook.com/book/2037
  • - Сизиков В.С. — Прямые и обратные задачи восстановления изображений, спектроскопии и томографии с MatLab: учебное пособие - Издательство "Лань" - 2017 - ISBN: 978-5-8114-2754-3 - Текст электронный // ЭБС Лань - URL: https://e.lanbook.com/book/99358
  • - Тарков М.С. — Нейрокомпьютерные системы - Национальный Открытый Университет "ИНТУИТ" - 2016 - ISBN: 5-9556-0063-9 - Текст электронный // ЭБС Лань - URL: https://e.lanbook.com/book/100268
  • - Федотов А.А. — Прикладная обработка биомедицинских изображений в среде MATLAB: учебное пособие - Издательство "Лань" - 2019 - ISBN: 978-5-8114-3471-8 - Текст электронный // ЭБС Лань - URL: https://e.lanbook.com/book/112698
  • - 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 академического бакалавриата-М.:Издательство Юрайт,2019-365-Бакалавр. Академический курс-978-5-534-00350-5: -Текст электронный // ЭБС Юрайт - https://biblio-online.ru/book/neyrofiziologiya-fiziologiya-vysshey-nervnoy-deyatelnosti-i-sensornyh-sistem-432852
  • 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.
  • Нейрокомпьютеры : учеб. пособие для вузов, Комарцова Л. Г., Максимов А. В., 2004
  • 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 программирования в системе MATLAB: Учебное пособие / Кошкидько В.Г., Панычев А.И. - Таганрог:Южный федеральный университет, 2016. - 84 с.: ISBN 978-5-9275-2048-0 - Режим доступа: http://znanium.com/catalog/product/991834
  • Ручай, А.Н. Биометрическая аутентификация диктора в MATLAB : учебное пособие / Ручай А.Н. — Москва : Русайнс, 2017. — 166 с. — ISBN 978-5-4365-1864-0. — URL: https://book.ru/book/926383 (дата обращения: 10.10.2019). — Текст : электронный.
  • 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.