Учебная программа - Нейронные сети и нейрокомпьютеры

Подождите немного. Документ загружается.

Министерство образования Российской Федерации

Санкт-Петербургский государственный электротехнический

университет “ЛЭТИ”

РАБОЧАЯ ПРОГРАММА

дисциплины

“Нейронные сети и нейрокомпьютеры”

Для подготовки дипломированных специалистов по направлению: 657100 – “При-

кладная математика” по специальности 073000 – “Прикладная математика”.

Санкт-Петербург

2001

Санкт-Петербургский государственный электротехнический

университет “ЛЭТИ”

“УТВЕРЖДАЮ”

Проректор по учебной работе

проф. ___________ Ушаков В.Н.

“_____”_______________2001 г.

РАБОЧАЯ ПРОГРАММА

дисциплины

“Нейронные сети и нейрокомпьютеры”

Для направления 657100 – “Прикладная математика”:

по специальности 073000 – “Прикладная математика”.

Факультет компьютерной техники и информатики

Кафедра математического обеспечения ЭВМ

Курс – 5

Семестр – 10

Лекции 30 ч. Экзамен 10 семестр

(или текущий контроль)

Практические занятия

(или семинары)

Лабораторные занятия 15 ч. Зачет 10 семестр

Курсовое проектирование

Аудиторные занятия 45 ч.

Самостоятельные занятия 45 ч.

(число часов из учебного плана)

Всего часов 90 ч.

2001

Рабочая программа обсуждена на заседании кафедры математического обеспечения и при-

менения ЭВМ “____”_______________2001 г., протокол №______.

Рабочая программа составлена в соответствии с государственным образовательным стан-

дартом по направлению 657100 –“Прикладная математика” и специальности 073000 -

“Прикладная математика

Рабочая программа согласована с рабочими программами изученных ранее дисциплин:

1)Теория вероятностей и математическая статистика

2)Анализ и интерпретация данных

Рабочая программа одобрена методической комиссией факультета компьютерных техно-

логий и информатики “____”_____________2001г.

Цели и задачи дисциплины

1. Изучение основных принципов организации информационных процессов в нейроком-

пьютерных системах;

2. Формирование навыков разработки и реализации программных моделей нейрокомпью-

терных систем.

Требования к уровню освоения дисциплины

В результате изучения дисциплины студенты должны:

- знать

основные принципы организации информационных процессов в нейрокомпью-

терных системах; основные архитектуры нейрокомпьютерных систем и области их приме-

нения; основные способы и правила обучения нейрокомпьютерных систем;

- иметь навыки разработки и реализации программных моделей нейрокомпьютерных

систем; уметь делать оценки и сравнивать качество обучения и функционирования различ-

ных моделей нейрокомпьютерных систем.

Иметь представление о современных достижениях в области разработки и коммерче-

ском использовании нейрокомпьютерных систем и нейрокомпьютеров.

Содержание рабочей программы

Тема 1. Введение в нейронные вычисления

Предмет дисциплины, её структура и содержание. Биологические нейронные сети.

Особенности биологических вычислительных систем в отличие от искусственных с тради-

ционной архитектурой. Некоторые задачи, решаемые с помощью искусственных нейрон-

ных сетей (ИНС). Очерк истории нейроинформатики.

Тема 2. Принципы организации и функционирования ИНС

Основные определения для ИНС. Нейронная сеть. Межнейронные связи. Искусст-

венный нейрон. Постановка задачи обучения ИНС. Классификация законов и способов

обучения. Архитектуры ИНС

Тема 3. Первые ИНС. Персептрон. Адаптивный линейный элемент

Однослойный персептрон. Представляемость персептрона. Проблема “Исключаю-

щее ИЛИ”. Преодоление ограничения линейной разделимости. Обучение персептрона.

Дельта-правило. Проблемы обучения персептрона. Адаптивный линейный элемент. Закон

обучения Уидроу. Сходимость алгоритма Уидроу.

Тема 4. Ассоциативные сети

Линейный ассоциатор. Закон обучения Хебба. Рекуррентные ассоциативные сети.

Сеть Хопфилда. Алгоритм функционирования сети Хопфилда, емкость памяти. Сеть

“Brain State in a Box”. Двунаправленная ассоциативная память. Стохастическое обучение.

Машина Больцмана.

Тема 5. Сети преобразования данных

Задача преобразования данных. Классы сетей преобразования данных. Теорема

Колмогорова. Сеть обратного распространения ошибки. Закон обучения Backpropagation.

Радиальная базисная функция. Самоорганизующиеся карты Кохонена. Закон обучения Ко-

хонена. Звезды Гроссберга. Закон обучения Гроссберга. Сеть встречного распространения.

Обучение соревнованием, фильтрацией. ИНС для пространственно-временной обработки

сигнала.

Тема 6. Подготовка данных для обучения ИНС

“Проклятие размерности”. Избыточность входных данных. Генетические алгорит-

мы. Отбор входных данных для обучения сети с помощью генетических алгоритмов.

Тема 7. Перспективы развития и применения ИНС и нейрокомпьютеров

Проблемы реализации ИНС. Методы реализации ИНС. Нейрокомпьютеры. Основ-

ные характеристики нейрокомпьютеров. Заключение.

Перечень лабораторных работ

№ Наименование работы

Номер те-

мы

1 Изучение модели формального нейрона

2 Моделирование и исследование простого персептрона и адаптивного

линейного элемента

3 Исследование сети Хопфилда

4 Исследование машины Больцмана

5 Исследование многослойного персептрона

6 Исследование самоорганизующихся сетей Кохонена

7 Отбор обучающих данных с помощью генетических алгоритмов

Распределение учебных часов по темам и видам занятий

Объем учебных часов

№

те-

мы

Название разделов и тем

Лек-

ции

Лабор.

занятия

Практ.

заня-

тия

Аудит.

занятия

Самост.

работа

Все-

го

Се-

местр

1 Введение в нейронные вычисле-

ния

2 2 2 4 10

2 Принципы организации и функ-

ционирования ИНС

2 2 4 10 14 10

3 Первые ИНС. Персептрон. Адап-

тивный линейный элемент

4 2 6 10 16 10

4 Ассоциативные сети 6 4 10 8 18 10

5 Сети преобразования данных

12 5 17 8 25 10

6 Подготовка данных для обучения

ИНС

2 2 4 5 9 10

7 Перспективы развития и приме-

нения ИНС и нейрокомпьютеров

2 2 2 4 10

ИТОГО:

30 15 45 45 90

Методика текущего контроля

В течение семестра проводятся зачеты по теоретическим вопросам, исследуемым в

рамках лабораторных работ. Вопросы к зачету студенты получают вместе с заданием на

очередную лабораторную работу. После выполнения лабораторной работы и защиты отче-

та им предлагается сдать зачет по теоретическим вопросам. По результатам зачетов по 7

лабораторным работам выставляется общая оценка, которая и является итоговой оценкой

текущего контроля.

График текущего контроля

Номер

проме-

жуточ-

ного за-

чета

Тема

лаб.

работы

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Зач

1 2 Х

2 3 Х

3 4 Х

4 4 Х

5 5 Х

6 5 Х

7 6 Х

Итоговая Х

ЛИТЕРАТУРА

Основная

№ Название, библиографическое описание

Л Лр

Кп

(р)

К-во

экз. в

библ.

(на

каф.)

Гриф

1 Лисс А.А., Степанов М.В. Нейронные сети и ней-

рокомпьютеры: Учеб. пособие. – ГЭТУ. – СПб.,

1997. – 64 с.

Уч 53

Ф 4

2 Тимохин В.И., Степанов М.В., Лисс А.А., Хлы-

стунов А.В. Основы организации и функциони-

рования искусственных нейронных сетей: Мето-

дические указания к лабораторным работам по

дисциплине «Искусственные нейронные сети и

нейрокомпьютеры». – ГЭТУ. – СПб., 1994. – 32с.

Уч 16

Ф 4

Дополнительная

№ Название, библиографическое описание

К-во экз.

в библ.

(на каф.)

1 Горбань А.Н. Обучение нейронных сетей. – М.: СП «ParaGraph», 1990. –

160 с.

2 Кохонен Т. Ассоциативная память. – М:. Мир,1980. - 240с. 9

3 Розенблатт Ф. Принципы нейродинамики. - М.:Мир,1965. - 480с. 0

4 Терехов В.А., Ефимов Д.В., Тюкин И.Ю., Антонов В.Н. Нейросетевые сис-

темы управления. – СПб:Изд. СПб университета,1999. – 265 с.

Уч 0

Ф 4

5 Уоссермен Ф. Нейрокомпьютерная техника. - М.:Мир,1992. – 240 с. 0

6 Галушкин А.И. Теория нейронных сетей. Кн.1: Учеб. пособие для вузов /

Общая ред. А.И. Галушкина. – M.: ИПРЖР, 2000. – 416 с.

Автор:

к.т.н. Лисс А.А.

Рецензент

к.т.н., доцент Крайников А.В.

Зам. зав. кафедрой МО ЭВМ

к.т.н., доцент Ивановский С.А.

Декан факультета КТИ

д.т.н., проф. Герасимов И.В.

Программа согласована:

Зав. отделом учебной литературы Смирнова О.Н.

Председатель методической комиссии факультета КТИ

к.т.н., доцент Чугунов Л.А.

Руководитель методического отдела

к.т.н., доцент Марасина Л.А.