1

Course title

Artificial neural networks and genetic algorithms

2

Year of study,
study program

2,

1-31 03 09 Computer Mathematics and Systems Analysis

3

Semester of study

4

4

Number of credits

3

5

Lecturer

Malevich Alexander Ernestovich

6

Course objective

Training specialists with knowledge and skills to effectively use artificial neural networks and genetic algorithms in applied research

7

Prerequisites

Introduction to mathematics, mathematical analysis, algebra and number theory, geometry, differential equations, computer mathematics, applied system analysis

8

Course content

Principal component analysis (PCA) and singular matrix decomposition (SVD), typical architectures of artificial neural networks (ANN). Training of ANN. Identification friend or foe (IFF). Genetic algorithms: genetic representation and genetic operators, reproductive plan, genetic programming. Swarm intelligence and particle swarm optimization

9

Recommended literature

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

Teaching methods

Lectures and laboratory works (1+1)

11

Teaching language

Russian

12

Requirements, current control

Homeworks, defence of laboratory works, surveys, tests

13

Method of certification

Examination