• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
2021/2022

Теория нейронных сетей

Лучший по критерию «Новизна полученных знаний»
Статус: Майнор
Когда читается: 1, 2 модуль
Охват аудитории: для всех кампусов НИУ ВШЭ
Язык: русский
Кредиты: 5
Контактные часы: 40

Программа дисциплины

Аннотация

Дается понятие о различных видах искусственных нейронных сетей, методах их обучения, таких как персептроны, сверточные сети, рекуррентные сети, импульсные (спайковые) и другие виды нейронных сетей, а также базовые понятия о биологических нейронных сетях и устройстве мозга.
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.
  • Знает основные механизмы работы мозга
  • Умеет рассчитывать градиент сложной функции и применять градиентные методы для настройки нейронных сетей
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Основные понятия теории искусственных нейронных сетей.
  • Основы биологических нейронных сетей
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. 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 к ближайшему целому.
  • 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. 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. 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. 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
    Оцениваются знания студента сверх требований ПУД в виде личных достижений 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

  • 2021/2022 учебный год 2 модуль
    0.3 * Домашнее задание + 0.1 * Контрольные вопросы по лекциям + 0.2 * Экзамен + 0.1 * Контрольные задания по практическим занятиям + 0.1 * Модульная контрольная работа + 0.2 * Личные достижения
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., 2004
  • Нейронные сети : полный курс, Хайкин, С., 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

  • 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 - 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
  • Красавин А. В., Жумагулов Я. В. - КОМПЬЮТЕРНЫЙ ПРАКТИКУМ В СРЕДЕ MATLAB 2-е изд. Учебное пособие для вузов - М.:Издательство Юрайт - 2019 - 277с. - ISBN: 978-5-534-08509-9 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/kompyuternyy-praktikum-v-srede-matlab-442328
  • Лебедев А.А., Русановский В.В., Лебедев В.А., Шабанов П.Д. - Нейрофизиология. Основы курса - КноРус - 2019 - 230с. - ISBN: 978-5-406-06944-8 - Текст электронный // ЭБС BOOKRU - URL: https://book.ru/book/931372
  • 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
  • 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
  • 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
  • Шульговский В.В. - Нейрофизиология - КноРус - 2019 - 272с. - ISBN: 978-5-406-06664-5 - Текст электронный // ЭБС BOOKRU - URL: https://book.ru/book/929994