5 семестр

Описание дисциплины

1

Название дисциплины

Нейронные сети и генетические алгоритмы

2

Специальность

1-31 03 09 Компьютерная математика и системный анализ

3

Курс обучения

3

4

Семестр обучения

5

5

Количество кредитов

2

6

ФИО лектора

Доцент Голубева Лариса Леонидовна, к.ф.-м.н., доцент

7

Цели изучения дисциплины

знать:

–      принципы устройства и работы нейронных сетей; основные методы обучения нейронных сетей; принципы построения генетических алгоритмов; базовые понятия теории машинного обучения;

уметь:

–      использовать современные методы компьютерного моделирования для исследования информационных систем;

–      проектировать, обучать и использовать нейронные сети для решения практических задач;

–      использовать генетические алгоритмы для решения практических задач;

–      делать оценки и сравнивать качество обучения и функционирования различных моделей, построенных на базе искусственных нейронных сетей и генетических алгоритмов;

–      самостоятельно расширять компьютерные математические знания с дальнейшим их использованием при построении и анализе математических и компьютерных моделей широкого круга теоретических и прикладных задач.

8

Пререквизиты

Курсы дисциплин «Алгебра и теория чисел», «Геометрия», «Методы программирования и информатика», «Дифференциальные уравнения», «Компьютерная математика», «Нейронные сети и генетические алгоритмы» за 4-й семестр.

9

Содержание дисциплины

Искусственные нейронные сети, основные понятия и определения. Пакет Neural Network Toolbox MATLAB. Инструментальные средства пакета MATLAB моделирования ИНС. Нейронная сеть пользователя общего вида (network). Введение в Машинное Обучение. Персептрон и задачи классификации. Аппроксимация функций. Распознавание образов. Кластерный анализ.

10

Рекомендуемая литература

1.          Хайкин, С. Нейронные сети: Полный курс, 2-е издание. М., «Вильямс», 2006. 1104 с.

2.          Haykin, S. Neural Networks and Learning Machines Third Edition. Copyright © 2009 by Pearson Education, Inc., Upper Saddle River, New Jersey 07458, 2009. 938 p.

3.          Вороновский, Г.К. Генетические алгоритмы, Искусственные нейронные сети и Проблемы виртуальной реальности / Г.К. Вороновский, К.В. Махотило, С.Н. Петрашев, С.А. Cepгeeв. Харьков: «Основа», 1997. 107 с.

4.          Померанцев, А. Метод Главных Компонент (PCA) – http://www.chemometrics.ru/materials/textbooks/pca.htm, 2009

5.          Голубева, Л. Л. Компьютерная математика. Числовой пакет MATLAB: курс лекций / Л. Л. Голубева, А. Э. Малевич, Н. Л. Щеглова. Минск: БГУ, 2007. 164 с.

6.          Голубева, Л. Л. Компьютерная математика. Числовой пакет MATLAB: лабораторный практикум / Л. Л. Голубева, А. Э. Малевич, Н. Л. Щеглова. Минск: БГУ, 2008. 171 с.

7.          Голубева, Л. Л. Компьютерная математика. Пакет имитационного моделирования Simulink: лабораторный практикум / Л. Л. Голубева, А. Э. Малевич, Н. Л. Щеглова. Минск: БГУ, 2010. 151 с.: ил. http://elib.bsu.by/handle/123456789/4171

8.      Голубева, Л. Л. Компьютерная математика. Символьный пакет Mathematica: лаб. практикум для студентов мех.-мат. фак. В 2 ч. Ч. 1. / Л. Л. Голубева, А. Э. Малевич, Н. Л. Щеглова. Минск: БГУ, 2012. 235 с. http://elib.bsu.by/handle/123456789/95686

9.          Beale, M.D. Neural Network Toolbox™. Getting Started Guide / M.D. Beale, M.T. Hagan, H.D. Demuth. © COPYRIGHT 1992–2017 by The MathWorks, Inc., 2017. 134 p.

10.      Beale, M.D. Neural Network Toolbox™. User’s Guide / M.D. Beale, M.T. Hagan, H.D. Demuth. © COPYRIGHT 1992–2017 by The MathWorks, Inc., 2017. 512 p.

11

Методы преподавания

Смешанный с элементами дистанционного обучения, электронные материалы. Объяснительно-иллюстративные, репродуктивные, частично-поисковые.

12

Язык обучения

Русский

13

Условия (требования), текущий контроль

Защиты лабораторных работ, домашние задания, устные опросы, контрольные работы, тесты.

14

Форма текущей аттестации

Зачет