Наименование дисциплины: Математические модели искусственных нейросетей
Направление подготовки: 010400 Прикладная математика и информатика
Квалификация (степень) выпускника: бакалавр
Форма обучения: очная
Автор: к. т.н, доцент, доцент кафедры компьютерных сетей .
1. Дисциплина «Математические модели искусственных нейросетей» (ММИНС) обеспечивает приобретение знаний и умений в соответствии с ФГОС ВПО, содействует фундаментализации образования, формированию научного мировоззрения и развитию навыков использования нейросетевых алгоритмов в различных областях (экономика, техника, медицина, бизнес и др.).
Цель преподавания дисциплины – ввести студентов в круг понятий и задач, связанных с использованием искусственных нейронных сетей с тем, чтобы студенты могли самостоятельно анализировать и решать теоретические и практические задачи, связанные с этой областью знаний.
Задача курса состоит в том, чтобы познакомить студентов с базовыми знаниями в области нейроалгоритмов и нейрообработки информации искусственными нейронными сетями, а также применениям нейросетей в области компьютерного моделирования при анализе данных
2. Дисциплина «Математические модели искусственных нейросетей» относится к математическому и естественно-научному циклу (вариативная часть) и является дисциплиной по выбору для студентов 4 курса в 7 семестре.
Дисциплина «Математические модели искусственных нейросетей» предназначена для ознакомления студентов четвертого курса с основами одного из современных направлений в области интеллектуальной обработки информации – искусственными нейронными сетями (ИНС). При этом курс сфокусирован лишь на одном из разделов теории ИНС, а именно, на нейроинформатике, как науке, изучающей нейроподобные способы обработки информации при помощи компьютеров.
Дисциплина «Математические модели искусственных нейросетей» основывается на знаниях, полученных студентами при изучении дисциплин «Математический анализ», «Теория вероятностей и математическая статистика», «Численные методы», «Языки и методы программирования».
Студент четвертого курса, приступая к изучению дисциплины Математические модели искусственных нейронных сетей, должен иметь прочную базовую подготовку по указанным выше курсам Особенно важными представляются знания, относящиеся к базовым понятиям математического анализа математической логики и теории вероятностей. Одновременно такие личностные характеристики как общая образованность, организованность и трудолюбие, самостоятельность, настойчивость в достижении цели необходимы при освоении данной дисциплины.
3. В результате освоения дисциплины обучающийся должен:
Знать:
основные математические модели и архитектуры искусственных нейронных сетей;
прикладные задачи обработки данных, в которых могут использоваться нейронные сети.
Уметь:
проводить предварительную подготовку данных для использования их в нейросетевых алгоритмах;
решать задачи обработки данных, используя нейропакеты;
анализировать полученные результаты.
Владеть:
навыками работы с нейросетевыми пакетами BrainMaker, NeuroTool (в составе пакета MatLab).
4. Общая трудоемкость дисциплины составляет 2 зачетные единицы, 72 часа.
5. Содержание дисциплины:
№ п/п | Раздел дисциплины |
1 | Биологические основы нейронных сетей и модели формальных нейронов. |
2 | Однослойный персептрон и задача классификации образов. |
3 | Проблема линейной отделимости и многослойные персептроны. |
4 | Алгоритмы обучения многослойного персептрона. |
5 | Рекуррентные сети как ассоциативные запоминающие устройства |
6 | Нейросетевые пакеты |
7 | Клеточные нейронные сети в задачах обработки изображений. |
6. Учебно-методическое и информационное обеспечение дисциплины:
а) основная литература:
1.Короткин модели искусственных нейронных сетей. Учеб. пособие – Ярославль. ЯрГУ, 2001.
2. Нейронные сети для обработки информации. – М.: Финансы и статистика, 2002.
б) дополнительная литература:
1. Нейронные сети: полный курс, 2-е издание.: Пер с англ. – М.: Издательский дом «Вильям», 2006.
2. Нейрокомпьютерная техника. Теория и практика. – М.: Мир, 1992.
в) программное обеспечение и Интернет-ресурсы:
1.Тарков системы. – БИНОМ. Лаборатория знаний. Интернет-университет информационных технологий, 2006.
www. *****/department/expert/neuro/
2.Нейропакеты BrainMaker, NeuroTool.
