Искусственные нейронные сети в управлении
(3 семестр)
Краткое содержание дисциплины. Предметом изучаемой дисциплины являются искусственные нейронные сети и их место в науке об управлении.
В курсе изучаются модели нейронов, задачи и методы обучения, нейронные сети с обратными связями и специализированные нейронные сети.
Кредитная стоимость дисциплины. 4 кредита + 2 кредита курсовая работа.
Цель. Изучить метод построения систем автоматического управления на основе искусственных нейронных сетей.
Результаты обучения. В результате изучения дисциплины студент должен:
знать: методы построения систем автоматического управления на основе искусственных нейронных сетей.
уметь: программно построить модель системы управления нейронной сети и выполнить процедуру ее обучения.
владеть: методами и алгоритмами использования искусственных нейронных сетей в системах управления.
Содержание курса.
Модели нейронов: Биологический нейрон и его математическая модель. Типы функций активаций. Нейросети и их классификация. Математические модели специализированных нейронов. Многослойные нейронные сети. Представление задач регрессии, аппроксимации, идентификации, управления, сжатия данных в нейросетевом логическом базисе. Многослойный персептрон.
Детерминированные методы обучения: Методы нулевого порядка. Методы первого порядка. Методы второго порядка.
Некорректные задачи обучения: Неустойчивость вычисления первой и второй производных в различных метрических пространствах. Обусловленность решения матричных уравнений. Методы решения некорректных задач.
Стохастические и эволюционные методы обучения: Обучение Больцмана, Гаусса, Коши. Преобразования случайных величин и векторов. Моделирование стохастических методов обучения. Эволюционные методы обучения.
Нейронные сети с обратными связями: Нейросети Хопфилда. Нейросетевые методы решения оптимизационно-комбинаторных задач. Нейросети Хэмминга. Распознавание образов с помощью расстояний. Двунаправленные ассоциативные нейросети. Нейросети с обратными связями на базе персептрона.
Специализированные нейросети: Гибридные нейросети и их применения. Сети RBF. Сети Фальмана. Нечеткие нейросети Ишибуши-Танаки. Нейросети Вольтерра. Решение четкой и нечеткой системы линейных алгебраических уравнений нейросетевыми методами. Нейросети с самоорганизацией.
Трудоемкость, час. | Лекций, час. | Лабораторные работы, час. | СРС, час. |
144 | 18 | 72 | 54 |
Пререквизиты. Теория автоматического управления, Теория вероятностей и математическая статистика, Численные методы.
Основная литература.
Мочалов нейронные сети в задачах управления и обработки информации. – М.: 2004. – 145 с.
, , Зарубин оптимизации. – М.: МГТУ им. , 2003.
акторный анализ как статистический метод. – М., Мир, 1967.
и др. Методы робастного, нейро-нечеткого и адаптивного управления. –М.: МГТУ им. , 2001.
ейронные сети для обработки информации. – М.: Финансы и статистика, 2002.
Апифанов процессов теплообмена в летательных аппаратах. – М.: Машиностроение, 1979.
Ту Дж., ринципы распознавания образов. – М.: Мир, 1979.
Себер Дж. Линейный регрессионный анализ. – М.: Мир, 1980.
Дополнительная литература.
и др. Методы робастного, нейро-нечеткого и адаптивного управления. – М., МГТУ им. , 2001.
, , етоды и алгоритмы идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе. – М.: Наука, 1977.
Володин основы линейной алгебры. – М.: Наука, 1977.
Марчук вычислительной математики. – М.: Наука, 1977.
татистический анализ временных рядов. – М.: Мир, 1976.
Координатор. , д. т.н., профессор.
Использование компьютера. Компьютер используется во всех лабораторных работах с установленным ПО: MatLab R2008b.
Лабораторные работы.
Применение двухслойной нейронной сети для моделирования дискретной динамической системы.
Оптимизация двухслойной нейронной сети для моделирования дискретной нелинейной системы
Решение задачи коммивояжера с использованием нейронной сети Хопфилда.
Решение четкой системы линейных алгебраических уравнений (СЛАУ) нейросетевым методом.
Решение нечеткой системы линейных алгебраических уравнений (СЛАУ) нейросетевыми методами.
Преподаватель: , ассистент Дата: 29.10.2014
