МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Томский государственный университет

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ
ФЕДЕРАЦИИ
Томский государственный университет
Факультет прикладной математики и кибернетики
УТВЕРЖДАЮ
Декан факультета
прикладной
математики и
кибернетики,
профессор
_________А.М. Горцев
"28" августа 2014 г.
РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ
«Нейронные сети»
Наименование магистерской программы:
Математическое и программное обеспечение вычислительных машин и компьютерных сетей
Направление подготовки:
01.04.02 – Прикладная математика и информатика
Квалификация (степень) выпускника:
Магистр
Томск
2014г.
1
1. Цели освоения дисциплины:
Рассматриваются вопросы проектирования, обучения, анализа и моделирования
известных типов нейронных сетей и их практическое применение.
2. Место дисциплины в структуре магистерской программы
Обязательный курс для студентов 2 года обучения магистратуры, читается в 11
семестре (Профессиональный цикл, вариативная часть). За курс отвечает кафедра
программирования.
Для успешного освоения дисциплины студент должен иметь предварительную
подготовку по дисциплинам: дискретная математика, информатика, языки
программирования и методы трансляции.
3. Компетенции обучающегося, формируемые в результате освоения дисциплины
ОК-2 Способность иметь представление о современном состоянии и проблемах
прикладной математики и информатики, истории и методологии их развития; ОК-3
Способность использовать углубленные теоретические и практические знания в области
прикладной математики и информатики; ОК-4 Способность самостоятельно приобретать с
помощью информационных технологий и использовать в практической деятельности
новые знания и умения, в том числе, в новых областях знаний, непосредственно не
связанных со сферой деятельности, расширять и углублять своё научное мировоззрение.
ПК-2 Способность разрабатывать концептуальные и теоретические модели
решаемых научных проблем и задач; ПК-3 Способность углубленного анализа проблем,
постановки и обоснования задач научной и проектно-технологической деятельности.
В результате освоения дисциплины обучающийся должен:
• Знать: определение формального нейрона, модели нейронной сети, понятия
биологического нейрона, нейронной сети, понимать основные принципы их
функционирования.
• Уметь: строить различные модели нейронных сетей.
• Владеть: практическими навыками работы с современными пакетами прикладных
программ работы с нейронными сетями.
4. Структура и содержание дисциплины
Общая трудоемкость дисциплины составляет 3 зачетных единицы 108 часов.
№№
Раздел дисциплины
Всего
часов
п/п
Аудиторные занятия
(час)
1.
Биологические нейроны и нейронные
сети
2
8
4
Лабораторны
е работы
Семинары
Лекции
в том числе
Самостоятельная работа
4.1. Распределение часов курса по темам и видам работ
4
2.
Понятие искусственной нейронной сети
14
8
6
3.
Задачи классификации
12
6
6
4.
Моделирование ассоциативной памяти
12
6
6
5.
Проблема адаптивного резонанса
10
4
6
6
6.
Задача аппроксимации
8
2
7.
Нейронные сети и экспертные системы
44
2
32
10
108
32
32
44
Итого
4.2. Перечень разделов курса
1. Биологические нейроны и нейронные сети
Центральная нервная система (ЦНС) как система переработки информации.
Строение и функционирование биологического нейрона.
Классификация нейронных сетей (НС) и их свойства.
2. Понятие искусственной нейронной сети
Понятие формального нейрона. Структура. Функционирование. Виды
активационных функций.
Задачи, решаемые искусственными НС. Методы обучения НС (с учителем и
без учителя).
3. Задачи классификации
Персептрон Розенблатта. Строение. Обучение
Сеть Кохонена. Строение. Обучение
4. Моделирование ассоциативной памяти
Ассоциативность мышления. Понятие ассоциативной памяти и вопросы ее
моделирования
Рекурсивные сети с обратными связями. Сети Хопгуда и Хемминга.
Строение. Обучение
5. Проблема адаптивного резонанса
Проблема стабильности-пластичности восприятия. Принцип адаптивного
резонанса
Сеть АРТ. Строение. Обучение. Основы функционирования
6. Задача аппроксимации
Сеть RBF. Структура. Обучение
7. Нейронные сети и экспертные системы
Вопросы использования нейронных сетей в экспертных системах.
4.3. Лабораторный практикум/практикум на ЭВМ
В рамках лабораторного практикума рассматриваются вопросы проектирования,
обучения, анализа и моделирования известных типов нейронных сетей в системе
MATLAB 6 с использованием пакета Neural Networks Toolbox (NNT).
4.4. Практические занятия
Практические занятия не предусмотрены.
3
4.5. Курсовой проект (курсовая работа)
Курсовой проект не предусмотрен.
5. Учебно-методическое обеспечение самостоятельной работы студентов. Оценочные средства для
текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины.
Все необходимое учебно-методическое обеспечение по дисциплине представлено в
печатном или электронном виде в библиотеке ТГУ, а также в электронном виде в сети
Интернет на сайте кафедры программирования или ИДО ТГУ.
В качестве промежуточного контроля успеваемости в середине семестра (на 9
неделе) проводится письменное тестирование.
В конце 11 семестра сдается экзамен.
5.1. Примерный перечень вопросов к экзамену:
1. Биологический нейрон. Строение ЦНС.
2. Формальный нейрон. Типы синаптических связей.
3. Топологии искусственных нейронных сетей.
4. Понятие персептрона Розенблатта. Обучение персептрона.
5. Проблема Н-полноты формального нейрона.
6. Алгоритм обратного распространения ошибки.
7. Обучение без учителя. Правило Хеба.
8. Сеть Кохонена. Назначение, архитектура, обучение.
9. Сеть Хопфилда. Назначение, архитектура, обучение.
10. Сеть Хемминга. Назначение, архитектура, обучение.
11. Проблема адаптивного резонанса. Сеть АРТ1.
12. Сеть RBF.Назначение, архитектура, обучение.
13. Использование нейронных сетей в экспертных системах.
6. Учебно-методическое и информационное обеспечение дисциплины
а)
Основная литература:
1. Веденов А.А. Моделирование элементов мышления. М., 1988.
2. Горбань А.Н. Обучение нейронных сетей. М., 1990.
3. В.В.Круглов, В.В. Борисов. Искусственные нейронные сети. Теория и практика. М.,
2002.
б)
Дополнительная литература:
1. Калан Р.Основные концепции нейронных сетей. М., 2001.
2. Осовский С. Нейронные сети для обработки информации. М:, 2002.
в)
Перечень иных информационных источников:
7. Материально-техническое обеспечение дисциплины
7.1. Требования к аудиториям (помещениям, местам) для проведения занятий
Стандартно оборудованные лекционные аудитории. Для проведения лабораторных
занятий – компьютерные классы. А также аудитории для проведения интерактивных
лекций: видеопроектор, экран настенный, др. оборудование.
7.2. Требования к специализированному оборудованию
4
Рабочие места преподавателя и студентов должны быть оснащены оборудованием
не ниже: Pentium |||-800/ОЗУ-256 Мб / Video-32 Мб / HDD 80 Гб / СD-ROM – 48x /
Network adapter – 10/100/ Мбс / SVGA – 15”.
7.3. Требования к специализированному программному обеспечению
При использовании электронных учебных пособий каждый обучающийся во время
занятий и самостоятельной подготовки должен быть обеспечен рабочим местом в
компьютерном классе с выходом в Интернет и корпоративную сеть факультета.
Лаборатории (компьютерные классы) должны быть обеспечены необходимым
комплектом лицензионного программного обеспечения системой MATLAB 6 и пакетом
Neural Networks Toolbox (NNT).
Программа составлена в соответствии с требованиями ФГОС ВПО с учетом рекомендаций и ПрООП
ВПО по направлению подготовки 01.04.02 – Прикладная математика и информатика
Автор: к.т.н., доцент М.Н. Головчинер
Рецензент: д.т.н., профессор А.Ю. Матросова.
Программа одобрена на заседании Ученого Совета ФПМК от 28.08.2014 г., протокол № 315.
5