• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
2019/2020

Нейроматематика

Лучший по критерию «Новизна полученных знаний»
Статус: Майнор
Когда читается: 3, 4 модуль
Язык: русский
Кредиты: 5

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. Экзамен проводится в письменной форме (вопросы по материалам занятий и\или разработка программы по заданию). К экзамену необходимо подключиться за 5 минут до начала экзамена согласно расписанию. Компьютер студента должен удовлетворять требованиям: стабильное подключение к Интернет, поддержка программной среды, принятой на семинаре. Ссылки на платформы проведения экзамена по подгруппам опубликованы в ЛМС. Экзамен проводится на платформах: - подгруппы Пантюхина: Задание распространяется через ЛМС и телеграмм-группу https://t.me/minor_neuromathematics . Принимается по электронной почте преподавателя и учебного ассистента указанных в Задании. В процессе используется система Матлаб Онлайн https://matlab.mathworks.com/ - подгруппы Ван Дам: Задание распространяется через ЛМС и телеграмм-группу https://t.me/neuromaths . Принимается по электронной почте преподавателя и учебного ассистента указанных в Задании. В процессе используется система Матлаб Онлайн https://matlab.mathworks.com/ - подгруппы Силаева: Задание распространяется и принимается через группу для проведения семинаров в Discord (https://discord.com/). Для участия в экзамене студент обязан: явиться на экзамен согласно точному расписанию, идентифицировать свою личность по запросу преподавателя. Во время экзамена студентам запрещено: пользоваться интерактивными источниками информации (чаты, звонки и т.п.) и подсказками третьих лиц, прочие запреты и разрешения указываются в каждом Задании отдельно. 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. Процедура пересдачи аналогична процедуре сдачи с другими заданиями.
  • 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 - 768с. - ISBN: 978-5-94074-424-5 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/1178
  • Нейронные сети : полный курс, Хайкин, С., 2006
  • Нейронные сети, генетические алгоритмы и нечеткие системы, Рутковская, Д., 2008
  • Основы нейрофизиологии : учеб. пособие для вузов, Шульговский, В. В., 2002

Рекомендуемая дополнительная литература

  • Амос Гилат - MATLAB. Теория и практика - Издательство "ДМК Пресс" - 2016 - 416с. - ISBN: 978-5-97060-183-9 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/82814
  • 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
  • Антонио Джулли, Суджит Пал - Библиотека Keras – инструмент глубокого обучения. Реализация нейронных сетей с помощью библиотек Theano и TensorFlow - Издательство "ДМК Пресс" - 2018 - 294с. - 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 - 358с. - ISBN: - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/100684
  • Гудфеллоу Я., Бенджио И., Курвилль А. - Глубокое обучение - Издательство "ДМК Пресс" - 2018 - 652с. - ISBN: 978-5-97060-618-6 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/107901
  • Ковалева А. В. - НЕЙРОФИЗИОЛОГИЯ, ФИЗИОЛОГИЯ ВЫСШЕЙ НЕРВНОЙ ДЕЯТЕЛЬНОСТИ И СЕНСОРНЫХ СИСТЕМ. Учебник для академического бакалавриата - М.:Издательство Юрайт - 2019 - 365с. - ISBN: 978-5-534-00350-5 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/neyrofiziologiya-fiziologiya-vysshey-nervnoy-deyatelnosti-i-sensornyh-sistem-432852
  • Кудинов Ю.И., Пащенко Ф.Ф. - SIMULINK): учебное пособие - Издательство "Лань" - 2019 - 312с. - ISBN: 978-5-8114-1994-4 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/111198
  • Лебедев А.А., Русановский В.В., Лебедев В.А., Шабанов П.Д. - Нейрофизиология. Основы курса. (Специалитет) - КноРус - 2019 - 230с. - ISBN: 978-5-406-06944-8 - Текст электронный // ЭБС BOOKRU - URL: https://book.ru/book/931372
  • Нейрокомпьютеры : учеб. пособие для вузов, Комарцова, Л. Г., 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
  • Паттерсон Дж., Гибсон А. - Глубокое обучение с точки зрения практика - Издательство "ДМК Пресс" - 2018 - 418с. - 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 - 216с. - ISBN: 978-5-8114-3768-9 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/122180
  • Ручай А.Н. - Биометрическая аутентификация диктора в MATLAB - Русайнс - 2017 - 166с. - ISBN: 978-5-4365-1864-0 - Текст электронный // ЭБС BOOKRU - URL: https://book.ru/book/926383
  • Сизиков В. С. - Обратные прикладные задачи и MatLab - Издательство "Лань" - 2011 - 256с. - 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 - 412с. - 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 - 170с. - 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 - 92с. - 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 - 200с. - ISBN: 978-5-8114-3639-2 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/123697
  • Шульговский В.В. - Нейрофизиология (для бакалавров). Учебник - КноРус - 2019 - 272с. - ISBN: 978-5-406-06664-5 - Текст электронный // ЭБС BOOKRU - URL: https://book.ru/book/929994