|
Описание дисциплины |
||
|
1 |
Название дисциплины |
Нейронные сети и генетические алгоритмы |
|
2 |
Курс обучения, специальность |
2, |
|
3 |
Семестр обучения |
4 |
|
4 |
Количество кредитов |
3 |
|
5 |
ФИО лектора |
Доцент Малевич Александр Эрнестович, к.ф.-м.н., доцент |
|
6 |
Цели изучения дисциплины |
Подготовка специалистов, обладающих знаниями и умениями эффективного использования искусственных нейронных сетей и генетических алгоритмов, способных использовать эти знания и умения при выполнении прикладных исследований. |
|
7 |
Пререквизиты |
Введение в специальность, математический анализ, алгебра и теория чисел, геометрия, дифференциальные уравнения, компьютерная математика, прикладной системный анализ |
|
8 |
Содержание дисциплины |
Анализ главных компонент и сингулярное разложение матрицы, типовые архитектуры искусственных нейронных сетей (ИНС). Обучение ИНС. Различение образов Свой/Чужой. Генетические алгоритмы: репродуктивный план, генетические операторы. Генетическое программирование. Оптимизация методом роя частиц. |
|
9 |
Рекомендуемая литература |
1. Хайкин С. Нейронные сети. Полный курс. — М.: Вильямс, 2006. — 1104 С. 2. Вороновский Г.К. и др. Генетические алгоритмы, Искусственные нейронные сети и Проблемы виртуальной реальности. — Харьков: «Основа», 1997. — 107 С. 3. Померанцев А. Метод Главных Компонент (PCA). — Российское хемометрическое общество, 2011. 4. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров. — М.: Наука, 1973. — 832 С. 5. LeCun Y., Cortes C., Burges C.J.C. The MNIST database of handwritten digits. — 6. Эсбенсен К. Анализ многомерных данных. — Черноголовка: Изд-во ИПХФ РАН, 2005. — 160 С. 7. ГОСТ Р 52633.5–2011. Автоматическое обучение нейросетевых преобразователей биометрия-код доступа. — 2011. — 20 С. 8. Иванов А.И. Многомерная нейросетевая обработка биометрических данных с программным воспроизведением эффектов квантовой суперпозиции. — Пенза: АО «ПНИЭИ», 2016. — 133 С. 9. Bahmani B., Moseley B., Vattani A., Kumar R., Vassilvitskii S. Scalable K-means++ — Proceedings of the VLDB Endowment, 2012. — 10. Sean Luke Essentials of Metaheuristics. — LuLu. Second Edition (Online Version 2.2) October, 2015. — 261 P. 11. Цой Ю.Р. Метаэвристика (перевод книги «Essentials of Metaheuristics») — 2011. — 204 С. 12. Карпенко А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой — М.: Изд.МГТУ, 2014. — 448 С. 13. Антипова И.А., Знаменская О.В., Цих А.К. Лекции по курсу Кратное интегрирование. Когомологии — Красноярск, 2007. — 217 С. 14. Воронцов К.В. Лекции по методу опорных векторов. — 2007. — 18 С. |
|
10 |
Методы преподавания |
Смешанный с элементами дистанционного обучения, электронные материалы. Объяснительно-иллюстративные, репродуктивные, частично-поисковые. |
|
11 |
Язык обучения |
Русский |
|
12 |
Условия (требования), текущий контроль |
Защиты лабораторных работ, домашние задания, устные опросы, контрольные работы. Оценка на экзамене выставляется с учетом: текущей оценки – 40%, устного ответа на экзамене – 60%. |
|
13 |
Форма текущей аттестации |
Экзамен |