Обработка и анализ данных с помощью нейронных сетей

ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ
Дисциплина «Обработка и анализ данных с помощью нейронных сетей» читается в 11 семестре и предусматривает чтение лекций, проведение лабораторных занятий, получение различного рода консультаций.
Целью дисциплины преподавания дисциплины является ознакомление студентов с принципами функционирования нейрокомпьютерных сетей, освоение студентами методик обучения нейрокомпьютерных сетей, обучение студентов использованию теории нейрокомпьютерных сетей на практике.
Формирование у студентов теоретических знаний и практических навыков в области нейросетевого моделирования технических и социально-экономических систем.
Основной задачей изучения дисциплины я преподавания дисциплины является приобретение студентами теоретических знаний и практических навыков в применении методов проектирования и использования нейрокомпьютерных сетей, разработки на их основе ПО для решения практических задач. Курс нейрокомпьютерных сетей в большей мере ориентируется на задачи прикладного характера, удовлетворяющий современным потребностям. В связи с этим особое внимание уделяется проблемам постановки задач и методам их решения с использованием современной вычислительной техники и программного обеспечения.
В результате изучения курса студенты должны свободно владеть математическим аппаратом построения и выбора алгоритмов обучения нейронных сетей.

МЕСТО ДИСЦИПЛИНЫ В СТРУКТУРЕ ООП
Дисциплина «Обработка и анализ данных с помощью нейронных сетей» (ОАДПНС) относится к числу дисциплин общенаучного цикла (по выбору). Успешное овладение дисциплиной предполагает предварительные знания дисциплин: "Математический анализ", "Численные методы", "Методы оптимизации", "Теория вероятностей и математическая статистика", "Математическое моделирование", "Алгоритмы и анализ их сложности" и "Архитектура вычислительных комплексов", навыки программирования на языках высокого уровня, а также математических пакетов Matlab, NeuroSolution.

ТРЕБОВАНИЯ К РЕЗУЛЬТАТАМ ОСВОЕНИЯ ДИСЦИПЛИНЫ
Процесс изучения дисциплины направлен на формирование следующих общекультурных (ОК) и профессиональных компетенций (ПК):

  1. способностью использовать углубленные теоретические и практические знания в области прикладной математики и информатики (ОК-3);
  2. способностью 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 (ОК-4);
  3. способностью порождать новые идеи и демонстрировать навыки самостоятельной научно-исследовательской работы и работы в научном коллективе (ОК-5);
  4. способностью проводить научные исследования и получать новые научные и прикладные результаты (ПК-1);
  5. способностью углубленного анализа проблем, постановки и обоснования задач научной и проектно-технологической деятельности (ПК-3).
В результате изучения дисциплины студент должен:

Знать:
  1. классические и неклассические подходы к построению нейронных сетей;
  2. методы построения устойчивых алгоритмов обучения нейронных сетей.
Уметь пользоваться разработанными моделями нейронных сетей для формализации и решения различных технических и социально-экономических задач.

Владеть:
  1. математическим аппаратом построения устойчивых моделей нейронных сетей;
  2. навыками программирования на языках высокого уровня, а также работы в математических пакетах Matlab, NeuroSolution.

СОДЕРЖАНИЕ ДИСЦИПЛИНЫ. ОСНОВНЫЕ РАЗДЕЛЫ

  1. ИСТОРИЯ ПОЯВЛЕНИЯ НЕЙРОННЫХ СЕТЕЙ.
  2. ФОРМАЛЬНЫЕ НЕЙРОНЫ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ.
  3. МОДЕЛИ НЕЙРОНОВ И МЕТОДЫ ИХ ОБУЧЕНИЯ.
  4. ПРАВИЛО ХЕББА. ДЕЛЬТА-ПРАВИЛО. АДАЛИН. ОДНОСЛОЙНАЯ НЕЙРОННАЯ СЕТЬ.
  5. ОДНОНАПРАВЛЕННЫЕ МНОГОСЛОЙНЫЕ СЕТИ СИГМОИДАЛЬНОГО ТИПА.
  6. АССОЦИАТИВНЫЕ СЕТИ.
  7. РЕКУРРЕНТНЫЕ СЕТИ НА БАЗЕ ПЕРЦЕПТРОНА.
  8. СЕТЬ С САМООРГАНИЗАЦИЕЙ КОРРЕЛЯЦИОННОГО ТИПА И НА ОСНОВЕ КОНКУРЕНЦИИ.
  9. ВЕРОЯТНОСТНАЯ НЕЙРОННАЯ СЕТЬ.

ВИДЫ УЧЕБНОЙ РАБОТЫ
Лекции, лабораторные занятия.

Методические материалы:

  1. Галушкин А.И. Нейронные сети: основы теории - 480 с.
  2. Нейронные сети. STATISTICA Neural Networks: Методология и технологии современного анализа данных / Под редакцией В.П. Боровикова. - 2-е изд., перераб. и доп. - М.: Горячая линия-Телеком, 2008. - 392 с.
  3. Катаев М.Ю. Обработка и анализ данных с помощью нейронных сетей. Методические указания по лабораторным работам, самостоятельной и индивидуальной работе магистров всех форм обучения направления 01.04.02 «Прикладная математика и информатика» / М.Ю. Катаев. – Томск: ТУСУР, 2016. – 10 с.