Бакалавриат
2019/2020![Цель освоения дисциплины](/f/src/global/i/edu/objectives.svg)
![Планируемые результаты обучения](/f/src/global/i/edu/results.svg)
![Содержание учебной дисциплины](/f/src/global/i/edu/sections.svg)
![Элементы контроля](/f/src/global/i/edu/controls.svg)
![Список литературы](/f/src/global/i/edu/library.svg)
Научный семинар
Статус:
Курс обязательный (Прикладная математика и информатика)
Направление:
01.03.02. Прикладная математика и информатика
Когда читается:
4-й курс, 3 модуль
Формат изучения:
без онлайн-курса
Преподаватели:
Бабкина Татьяна Сергеевна
Язык:
русский
Кредиты:
3
Контактные часы:
22
Программа дисциплины
Аннотация
Данная дисциплина относится к базовой части цикла дисциплин профиля подготовки бакалавра. Она изучается в 3 модуле 4-го курса. Изучение данной дисциплины опирается на фундаментальные курсы «Математический анализ», «Геометрия и алгебра», «Дискретная математика» из цикла «Математические и естественнонаучные дисциплины» и курс по выбору «Исследование операций». Основные положения данного курса могут использоваться при подготовке выпускной квалификационной работы, а также в практической и исследовательской деятельности.
Цель освоения дисциплины
- Знакомство с архитектурой, свойствами и алгоритмами обучения основных классов нейронных сетей
- Развитие навыков нейросетевого моделирования при решении практических задач в экономических и финансовых приложениях
Планируемые результаты обучения
- Соотносить вид нейронной сети с кругом задач, решаемых с ее помощью
- Решать задачи классификации, аппроксимации, ассоциативной памяти и оптимизации с помощью основных классов нейронных сетей
- Применять генетический алгоритм для обучения нейронной сети
Содержание учебной дисциплины
- Понятие нейронной сети, ее функционирование и обучение. Классификация нейронных сетей.История исследования в области нейронных сетей. Биологический нейрон. Структура и функционирование искусственного нейрона. Постановка задачи обучения нейронной сети. Классификация нейронных сетей и их свойства. Эффективность нейронных сетей. Круг задач, решаемых с помощью нейронных сетей.
- Основные классы нейронных сетей, их обучение и применениеОднослойный персептрон. Многослойная нейронная сеть с сигмоидными функциями активации. Обучение с учителем: алгоритм обратного распространения ошибки. Линейный нейрон. Динамические нейронные сети: ADALINE и MADALINE. Обучение без учителя: алгоритм Кохонена. Слой Кохонена. Самоорганизующаяся карта Кохонена. Нейронные сети встречного распространения. Обучение без учителя: сигнальный метод Хебба. Линейный ассоциатор. Рекуррентные нейронные сети: сеть Хопфилда, сеть Хэмминга, сеть Элмана. Двунаправленная ассоциативная память. Решение задач классификации, распознавания образов, прогнозирования и управления с помощью указанных классов нейронных сетей.
- Применение генетического алгоритма для настройки и обучения нейронных сетейНастройка весовых коэффициентов нейронной сети с помощью генетического алгоритма. Настройка коэффициентов функции энергии сети Хопфилда с с помощью генетического алгоритма.
Элементы контроля
- Домашнее задание
- ЭкзаменИтоговый контроль в 2019/2020 учебном году состоялся в 3 модуле
Список литературы
Рекомендуемая основная литература
- Гладков, Л. А. Генетические алгоритмы [Электронный ресурс] / Под ред. В. М. Курейчика. - 2-е изд., исправл. и доп. - М.: ФИЗМАТЛИТ, 2010. - 368 с. - ISBN 978-5-9221-0510-1. - Режим доступа: http://znanium.com/catalog/product/544626
- 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
Рекомендуемая дополнительная литература
- 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