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

Нейроматематика

Лучший по критерию «Новизна полученных знаний»
Статус: Майнор
Когда читается: 3, 4 модуль
Охват аудитории: для всех кампусов НИУ ВШЭ
Язык: русский
Кредиты: 5
Контактные часы: 60

Программа дисциплины

Аннотация

Дается понятие о способах использования нейронных сетей различного вида для решения математических задач: аппроксимация, экстраполяция (прогнозирование), кластеризация, построение адаптивных сеток, решение систем линейных и нелинейных уравнений (алгебраических, дифференциальных) и др, а также углубленные знания об устройстве биологических 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 механизмы мозга для решения базовых задач (обработка речи, зрительной информации, память и др.)
  • 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.)
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Основные способы решения базовых задач на искусственных нейронных сетях
  • Основные механизмы мозга для решения базовых задач
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 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. 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. 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. 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

  • 2021/2022 учебный год 4 модуль
    0.2 * Экзамен + 0.1 * Контрольные задания по практическим занятиям + 0.2 * Личные достижения + 0.1 * Модульная контрольная работа + 0.3 * Домашнее задание + 0.1 * Контрольные вопросы по лекциям
Список литературы

Список литературы

Рекомендуемая основная литература

  • Дьяконов, В. П. MATLAB 7.*/R2006/R2007: Самоучитель : самоучитель / В. П. Дьяконов. — Москва : ДМК Пресс, 2009. — 768 с. — ISBN 978-5-94074-424-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/1178 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
  • 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, Г. MATLAB. Теория и практика / Г. Амос ; перевод с английского Н. К. Смоленцев. — 5-е изд. — Москва : ДМК Пресс, 2016. — 416 с. — ISBN 978-5-97060-183-9. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/82814 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
  • 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, 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.
  • Гудфеллоу, Я. Глубокое обучение / Я. Гудфеллоу, И. Бенджио, А. Курвилль ; перевод с английского А. А. Слинкина. — 2-е изд. — Москва : ДМК Пресс, 2018. — 652 с. — ISBN 978-5-97060-618-6. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/107901 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
  • 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. - 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
  • 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, Д. Глубокое обучение с точки зрения практика / Д. Паттерсон, А. Гибсон. — Москва : ДМК Пресс, 2018. — 418 с. — ISBN 978-5-97060-481-6. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/116122 (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
  • Русановский В.В., Лебедев А.А., Лебедев В.А. - Нейрофизиология. Основы курса - КноРус - 2019 - ISBN: 978-5-406-06944-8 - Текст электронный // ЭБС BOOKRU - URL: https://book.ru/book/931372
  • Ручай А.Н. - Биометрическая аутентификация диктора в MATLAB - Русайнс - 2017 - 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 : 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.
  • 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 - 200с. - ISBN: 978-5-8114-3639-2 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/123697
  • Шульговский В.В. - Нейрофизиология - КноРус - 2019 - ISBN: 978-5-406-06664-5 - Текст электронный // ЭБС BOOKRU - URL: https://book.ru/book/929994