Дисципліна: Штучні нейронні мережі

Кількість годин (кредитів ЄКТС): 120 (4)

Мета навчальної дисципліни: вивчення теоретичних засад функціонування нейромережевих систем, способів синтезування штучної нейтронної мережі та розроблення ефективного алгоритму її навчання.

Результат навчання за навчальною дисципліною

знати:

-         основну термінологію з предметної області нейромереж;

-         основні архітектури штучних нейромереж;

-         інструменти проектування нейромереж;

-         моделi та методи навчання штучних нейромереж;

вміти:

-         обгрунтовувати та аналiзувати вибiр конкретного типу моделi та методу навчання нейромережi для вирiшення вiдповiдних практичних задач;

-         розробляти програмні рішення на основі нейромереж;

-         навчати нейромережі та аналізувати результати.

Зміст дисципліни (тематика):

Змістовний модуль 1. Основні поняття штучних нейронних мереж.

Тема 1. Загальна характеристика штучних нейронних мереж

Структура штучного нейрона. Моделі штучних нейронів. Топологія штучних нейронних мереж. Навчання штучних нейронних мереж.

Тема 2. Архітектури штучних нейронних мереж

Одношарові штучні нейронні мережі. Лінійна роздільність. Багатошарові штучні нейронні мережі. Алгоритм зворотного поширення помилки.

Тема 3. Асоціативна пам’ять

Асоціативна мережа прямого поширення. Алгоритми навчання асоціативної пам’яті. Гетероасоціативна пам’ять. Автоасоціативна пам’ять. Двоспрямована асоціативна пам’ять.

Змістовний модуль 2. Моделі і методи навчання штучних нейронних мереж.

Тема 4. Характеристика існуючих нейронних мереж

Перцептрон Розенбалата. Нейромережа зворотного поширення похибки. Скерований випадковий пошук. Мережа Когонена. Квантування навчального вектора. Мережа зустрічного поширення Counter Рropagation. Імовірнісна нейронна мережа. Мережа Гопфілда. Машина Больцмана. Мережа Лемінга. Двоскерована асоціативна пам'ять. Мережа адаптивної резонансної теорії.

Тема 5. Нейромережі в задачах відображення

Типи задач відображення і підходи до їх вирішення. Задачі прогнозування. Адаптація нейромереж у режимах прогнозування до даних навчальних множин. Однопараметрична задача прогнозування. Багатопараметрична задача прогнозування. Однокрокове прогнозування (передбачення). Багатокрокове прогнозування. Багатокрокове прогнозування з перенавчанням нейромережі на кожному кроці прогнозу. Критерії оцінки якості функціонування мережі. Оцінювання точності прогнозів.

Тема 6. Приклади застосування штучних нейронних мереж

Система автоматичного керування автомобілем. Розв’язання задачі про комівояжера. Ідентифікація нелінійних динамічних об’єктів. Нейрокерування нелінійними об’єктами. Кластеризація даних. Стиснення даних.

Види робіт: лекційні заняття, лабораторні заняття, модульні контрольні роботи, самостійна робота студентів.