Вопросы к экзамену по учебному курсу
«Нейрокомпьютерные системы» (первый семестр) (ММФ)
(«Введение в нейрокомпьютеры» ФИТ)
1. Понятие нейронной сети (НС). Отличия НС от традиционных вычислительных систем.
2. Элементы нейрона. Сигмоидальный нейрон.
3. Задача четкого разделения двух классов на обучающей выборке. Разделение центров масс.
4. Алгоритм обучения персептрона. Виды обучения.
5. Геометрическая интерпретация алгоритма обучения персептрона.
6.Аппроксимация функций. Адалайн. Паде-нейрон. Нейрон с квадратичным сумматором.
7.Реализация булевых функций посредством НС.
8. Виды НС. Способы организации функционирования НС.
9. Интерпретация ответов НС. Виды интерпретации.
10. Оценка способности нейронной сети решить задачу. Константа Липшица сети.
11. Алгоритм обратного распространения ошибки.
12. Радиальная нейронная сеть
13. Особенности задач оптимизации, возникающих при обучении НС.
14. Выбор направления минимизации. Партан-методы.
15. Одношаговый квазиньютоновский метод и сопряженные градиенты.
16. Одномерная минимизация.
17. Методы глобальной оптимизации. Алгоритм имитации отжига.
18. Методы глобальной оптимизации. Генетические алгоритмы.
19. Метод виртуальных частиц.
20. Двунаправленная ассоциативная память.
21. Нейронная сеть Хопфилда как ассоциативная память.
22. Сеть Хемминга.
23. Решение задачи коммивояжера на сети Хопфилда.
24. Машина Больцмана. Решение задачи коммивояжера.
25. Самообучение НС. Метод динамических ядер. Сети Кохонена.
26. Ограниченная машина Больцмана. Сети глубокого доверия.
27. Нечеткие множества. Лингвистические переменные.
28. Система нечеткого вывода Мамдани-Заде.
29. Фазификатор и дефазификатор.
30. Нечеткие сети Такаги-Сугено-Канга.
31. Контрастирование (редукция) нейронной сети. Оценка значимости параметров и сигналов.
32. Сокращение числа входов в линейном сумматоре методом "снизу-вверх".
33. Метод исключения параметров "сверху-вниз" с ортогонализацией.
34. Бинаризация адаптивного сумматора.
35. Электронные методы реализации нейрокомпьютеров.
36. Оптические методы реализации нейрокомпьютеров.
Литература
1. , Россиев сети на персональном компьютере.- Новосибирск: Наука, 1996 г.
2. ейронные сети для обработки информации.-М.: Финансы и статистика, 2002.- 344 с.
3. ейронные сети: полный курс.-М.: Вильямс, 2006.-1104 с.
4. ейрокомпьютерная техника. Теория и практика.- М.:Мир, 1992
5. сновные концепции нейронных сетей.-М.:Изд. Дом «Вильямс», 2001.
6. Заенцев сети. Основные модели.- Воронеж:ВГУ.-1999 г.
7. Горбань нейронных сетей.- М.: СП Параграф, 1990 г.
8. Миркес . Проект стандарта. – Новосибирск: Наука, 1999.
9. Нейроинформатика/ и др. – Новосибирск: Наука, 1998. – 296 с.
10. Ачасова на нейронных сетях (обзор)//Программирование.- 1991, N2.- С.40-53.
11. , Киселев микропроцессоры.- М.: НОЛИДЖ, 2000.
12. Chevtchenko P. A., Fomine D. V., Tchernikov V. M., and Vixne P. E., Using of microprocessor NM6403 for neural net emulation// http://www. module. ru
13. , Борисов нейронные сети. Теория и практика.- М.:Горячая линия – Телеком, 2002.
14. Тарков системы. – М.: Интернет-Ун-т Информ. Технологий : Бином. Лаборатория знаний, 2006. - 142 с.
15. Тарков . - Новосибирск: НГУ. 2007.- 164 с.
Составил
к. т.н., доцент
