НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ
Факультет радиотехники, электроники и физики
Кафедра «Промышленная электроника»
“УТВЕРЖДАЮ”
Декан РЭФ, д. т.н., проф.
“___ ”______________200 г.
РАБОЧАЯ ПРОГРАММА учебной дисциплины
Современные методы управления устройствами силовой электроники
ООП по направлению 210100 «Электроника и микроэлектроника»
магистерская программа «Промышленная электроника и микропроцессорная техника»,
степень – магистр техники и технологии
Факультет радиотехники, электроники и физики
Курс 2, семестр 3
Лекции 36 час.
РГЗ 3 семестр
Самостоятельная работа 110 час.
Экзамен 3 семестр
Всего 146 час.
Новосибирск
2006
Рабочая программа составлена на основании Государственного образовательного стандарта высшего профессионального образования по направлению 210100 «Электроника и микроэлектроника», специализация 550717 «Промышленная электроника и микропроцессорная техника».
Регистрационный номер 22 тех/маг, дата утверждения 21.03.02.
Шифр дисциплины в ГОС – СДВ. 01.
Рабочая программа обсуждена на заседании кафедры промышленной электроники,
протокол № 14 от 01.12.06.
Программу разработал
доц., к. т.н.
Заведующий кафедрой
проф., д. т.н.
Ответственный за основную
проф., д. т.н.
1. Внешние требования
Общие требования к образованности:
1.3.4. Обобщенные задачи профессиональной деятельности.
Магистр по направлению «Электроника и микроэлектроника должен быть подготовлен к решению следующих типовых задач:
· анализ состояния научно-технической проблемы, формирования технического задания, постановка цели и задачи исследования объекта на основе подбора и изучения литературных и патентных источников;
· выбор оптимального метода и программы исследования;
· измерения или экспериментального исследования объектов электроники с целью их модернизации;
· математическое моделирование разрабатываемых структур, приборов.
1.3.5. Квалификационные требования.
Для решения профессиональных задач магистр
· формулирует и решает задачи, возникающие в ходе научно-исследовательской и педагогической деятельности и требующие углубленных профессиональных знаний;
· проводит экспериментальные исследования объектов электроники с целью их модернизации;
· разрабатывает физические и математические модели процессов и явлений, относящихся к исследуемому объекту;
· участвует в проектировании, конструировании и модернизации объектов электронной техники.
Магистр должен знать
· специальную научно-техническую и патентную литературу по тематике исследования и разработок;
· методы исследования и проведения экспериментальных работ;
· методы анализа и обработки экспериментальных данных;
· физические и математические модели основных процессов и явлений, относящихся к исследуемым объектам;
· современные средства вычислительной техники, коммуникации и связи;
· технические характеристики и экономические показатели отечественных и зарубежных разработок в области электронного материаловедения, элементной базы электронной техники и электронного приборостроения.
3. Общие требования к основной образовательной программе магистра по направлению «Электроника и микроэлектроника».
4. Требования к обязательному минимуму содержания основной образовательной программы подготовки магистра по направлению «Электроника и микроэлектроника».
6. Требования к разработке и условиям реализации основной образовательной программы подготовки магистра по направлению «Электроника и микроэлектроника».
7. Требования к уровню подготовки магистра по направлению «Электроника и микроэлектроника».
7.1. Требования к профессиональной подготовке магистра.
7.1.2. Требования, обусловленные специализированной подготовкой магистра, включают
владение
· навыками самостоятельной научно-исследовательской и педагогической деятельности;
· методами исследования, проектирования и конструирования объектов электронной техники;
· методами и средствами компьютерного моделирования физических процессов и явлений в устройствах электроники;
умение
· формулировать и решать задачи, возникающие в ходе научно-исследовательской и педагогической деятельности и требующие углубленных профессиональных знаний;
· выбрать необходимые методы исследования, расчета и конструирования объектов электроники, исходя из конкретных задач;
· использовать математический аппарат и численные методы, физические и математические модели процессов и явлений, лежащих в основе принципов действия приборов и устройств электроники и микроэлектроники.
При подготовке данной учебной дисциплины использованы требования к обязательному минимуму содержания основной образовательной программы подготовки магистра по направлению 210100 «Электроника и микроэлектроника».
2. Особенности (принципы) построения дисциплины
Особенности (принципы) построения дисциплины описываются в табл. 2.
Таблица 2
Особенности (принципы) построения дисциплины
Особенность | Содержание |
Основание для введения курса | Решение Ученого Совета факультета радиотехники, электроники и физики |
Адресат курса | Магистранты 1 курса магистратуры, обучающиеся по направлению 210100 "Электроника и микроэлектроника" (специальность "Промышленная электроника") |
Главная цель | Основной целью курса является формирование у студентов понимания сущности и сфер применения интеллектуальных систем управления на основе искусственных нейронных сетей для устройств силовой электроники Магистрант должен знать: - принципы функционирования искусственных нейронных сетей (ИНС) и типовые задачи, решаемые ими; - способы и ограничения настройки ИНС - технологию решения задач в нейросетевом базисе; - принципы функционирования генетических алгоритмов; - возможности использования ИНС в системах управления устройств силовой электроники уметь: - ставить задачу в нейросетевом базисе - выбрать топологию ИНС - выбрать метод пред– и постпроцессорной обработки данных - выбрать методику обучения ИНС |
Ядро курса | Ядро курса составляют изучение теории и использования в системах управления искусственных нейронных сетей |
Уровень требований по сравнению с ГОС | соответствует |
Основные понятия курса | Искусственные нейронные сети, генетические алгоритмы, робастное управление, коннекционизм, искусственный интеллект, ассоциативная память, настройка, классификация, кластеризация, интерполяция, экстраполяция, распознавание образов, Data Mining, прогнозирование. |
Практическая часть курса | На завершающей части лекционного курса студенты готовят и защищают доклады по новейшим разработкам, связанным с темой курса. |
Учёт индивидуальных особенностей студентов | Степень готовности, базовые знания студентов учитываются при выборе методов проведения занятий. |
Описание основных "точек" | По учебному плану предусмотрен экзамен, который проводится в устной форме. |
В таблице 2.1 представлены междисциплинарные связи.
Таблица 2.1.
Название дисциплины | Уровень «знать» | Уровень «уметь» |
Предыдущие по учебному плану дисциплины | ||
Теория автоматического управления: | - методы стабилизации нелинейных систем; качество регулирования и его оценка | - оценивать свойства САУ по его структуре |
Основы преобразовательной техники | - системы управления вентильными преобразователями | - |
Основы микропроцессорной техники | - архитектура микро-ЭВМ и микропроцессорных систем | - |
3. Цели учебной дисциплины
Цели учебной дисциплины описываются в табл. 3.
Таблица 3
После изучения дисциплины студент будет
N цели | Содержание цели |
иметь представления: | |
1 | о возможностях искусственных нейронных сетей (ИНС) |
| 2 | о технологических, биологических и математических предпосылках функционирования ИНС |
| 3 | об идеях, лежащих в основе функционирования генетических алгоритмов |
| 4 | об основных проблемах в обучении ИНС |
| 5 | об основных принципах обучения и тестирования ИНС |
знать: | |
| 6 | принципы функционирования искусственных нейронных сетей (ИНС) и типовые задачи, решаемые ими; способы и ограничения настройки ИНС |
| 7 | технологию решения задач в нейросетевом базисе; возможности использования ИНС в системах управления устройств силовой электроники |
| 8 | принципы функционирования генетических алгоритмов; |
уметь: | |
| 9 | ставить задачу в нейросетевом базисе |
| 10 | выбрать топологию ИНС и выбрать методику обучения ИНС |
| 11 | выбрать метод пред– и постпроцессорной обработки данных |
4. Содержание и структура учебной дисциплины
Описание лекционных занятий размещается в табл. 4 с указанием семестра, в котором организуется обучение по данной дисциплине.
Таблица 4
Темы лекционных занятий | Часы | Ссылки на цели |
Предмет и задачи курса. Параллельные вычисления в технике и в живой природе. Искусственные нейронные сети и задачи, ими решаемые. Типы нейронов и активационных функций. Структуры нейронных сетей. Обобщенная структурная схема нейронной сети. Классификация нейронных сетей по способу решения задач. Методика решения задач в нейросетевом базисе. | 10 | 2, 6, 7, 9 |
Конструирование формируемых нейронных сетей Интерактивное конструирование сети. Настройка нейронной сети на решение трудно - и неформализуемых задач. Препроцессорная обработка информации. Интерпретация ответов сети. | 10 | 5, 6, 7, 10, 11 |
Настройка искусственных нейронных сетей. Обучение искусственных нейронных сетей без обратных связей. Простейшие алгоритмы. Алгоритм обратного распространения ошибки. Градиентные методы. Антиовражные методы. Генетические алгоритмы. | 10 | 3, 4, 5, 6, 8, 10 |
Примеры использования нейросетевых и генетических методов в современных системах управления устройств силовой электроники и при синтезе таких систем и устройств | 4 | 7, 9, 10 |
5. Учебная деятельность
5.1. Доклад по использованию нейросетевых технологий и генетических алгоритмов в системах управления устройствами силовой электроники выполняется на 15-17 неделе.
Цель – уметь пользоваться специальной периодической литературой, знать принципы использования изучаемых технологий на практике
6. Правила аттестации студентов по учебной дисциплине
По дисциплине предусмотрен экзамен (семестр 3). Допуском к экзамену являются успешное выполнение и защита доклада по тематике курса (см. п.5).
Экзамен проводится в устной форме по билетам, включающим три вопроса, а его результаты оцениваются по пятибалльной системе – «отлично», «хорошо», «удовлетворительно», «неудовлетворительно».
Примеры вопросов, включенных в экзаменационные билеты
Вопрос 1
Технологические предпосылки создания ИНС. Законы Математические предпосылки создания ИНС. Теоремы Биологические предпосылки создания ИНС. Биологический нейрон Машина фон Неймана и нейрокомпьютер. СравнениеВопрос 2
Модели искусственных нейронов Виды активационных функций Топологии ИНС Обобщенная схема ИНС Обобщенная схема нейрокомпьютера Конструирование ИНС. Методы Отбор данных для настройки ИНС Препроцессорная обработка. Шкалы Интерпретация ответов сети Оценка качества работы ИНС. Ошибка Задачи, решаемые ИНС в СУ устройствами силовой электроникиВопрос 3
Настройка ИНС – обобщенный алгоритм, с учителем и без учителя Проблемы градиентных методов настройки ИНС. Причины Суть алгоритма обратного распространения ошибки Математическое обоснование алгоритма обратного распространения ошибки на примере последнего слоя ИНС Вероятностные методы настройки ИНС Антиовражные методы настройки ИНС Сопряженные методы ГА – алгоритм ГА – операторы ГА – принципы отбораПримеры экзаменационных билетов
Билет 1
Технологические предпосылки создания ИНС. Законы
Обобщенная схема ИНС
Математическое обоснование алгоритма обратного распространения ошибки на примере последнего слоя ИНС
Билет 2
Математические предпосылки создания ИНС. Теоремы
Топологии ИНС
ГА – принципы отбора
Билет 3
Биологические предпосылки создания ИНС. Биологический нейрон
Оценка качества работы ИНС. Ошибка
ГА – операторы
Билет 4
Машина фон Неймана и нейрокомпьютер. Сравнение
Задачи, решаемые ИНС в СУ устройствами силовой электроники
ГА – алгоритм
Билет 5
Технологические предпосылки создания ИНС. Законы
Виды активационных функций
Сопряженные методы
Билет 6
Математические предпосылки создания ИНС. Теоремы
Модели искусственных нейронов
Антиовражные методы настройки ИНС
Билет 7
Биологические предпосылки создания ИНС. Биологический нейрон
Обобщенная схема нейрокомпьютера
Математическое обоснование алгоритма обратного распространения ошибки на примере последнего слоя ИНС
Билет 8
Машина фон Неймана и нейрокомпьютер. Сравнение
Конструирование ИНС. Методы
Вероятностные методы настройки ИНС
Билет 9
Технологические предпосылки создания ИНС. Законы
Конструирование ИНС. Методы
Билет 10
Математические предпосылки создания ИНС. Теоремы
Интерпретация ответов сети
Настройка ИНС – обобщенный алгоритм, с учителем и без учителя
Билет 11
Биологические предпосылки создания ИНС. Биологический нейрон
Отбор данных для настройки ИНС
Проблемы градиентных методов настройки ИНС. Причины
Билет 12
Машина фон Неймана и нейрокомпьютер. Сравнение
Препроцессорная обработка. Шкалы
Суть алгоритма обратного распространения ошибки
7. Список литературы
1. , Максимов : учеб. Пособие для вузов. – М.: Изд-во МГТУ им. , 2002, - 320с.
2. Интеллектуальные системы автоматического управления. / под ред. , . – М.: Физматлит, 2001, - 576с.
3. Нейронные сети для обработки информации. – М.: Финансы и статистика, 2002. – 344с.
4. , Потемкин сети. MatLab 6.0. – М.: Диалог МИФИ, 2002. – 496с.
5. Нейроинформатика / , -Барковский, и др. Новосибирск: Наука. Сибирское предприятие РАН, 1998. – 296с.
6. Основные концепции нейронных сетей. – М.: Издательский дом «Вильямс», 2001. – 287с.
7. Data Mining: учебный курс. – СПб: Питер, 2001. – 268с.
