Рабочая программа учебной дисциплины нейронные сети наименование магистерской программы

Министерство образования и науки Российской Федерации

ГОУВПО «Мордовский государственный университет им. Н. П. Огарева»

Факультет математический

Кафедра систем автоматизированного проектирования

УТВЕРЖДАЮ

Декан математического факультета

проф. ______________ И. И. Чучаев

«____»_______________2011 г.

РАБОЧАЯ ПРОГРАММА УЧЕБНОЙ ДИСЦИПЛИНЫ

НЕЙРОННЫЕ СЕТИ

Наименование магистерской программы Математическое и программное обеспечение вычислительных машин

Направление подготовки 010400.68 Прикладная математика и информатика

Квалификация (степень) выпускника Магистр

Форма обучения Очная

г. Саранск – 2011 г.

1. Цель освоения дисциплины
   

Целью освоения дисциплины является изучение методов синтеза нейронных сетей и их практического применения.

Она достигается решением следующих задач:

• изучения методики синтеза нейронных сетей различной структуры: с полными и неполными последовательными связями, перекрестными и обратными связями, функционирующими в режимах обучения, самообучения, обучения с учителями, обладающими конечной квалификацией;
  
• рассмотрения этапов исследования надежности и диагностики нейронных сетей;
  
• изучение областей применения нейронных сетей: распознавание образов, принятие решений, кластеризация, прогнозирование, аппроксимация, сжатие данных;
  
• изучение принципов построения нейрокомпьютеров – устройств обработки информации на основе принципов работы биологических нейронных систем.
  

2. Место дисциплины в структуре ООП ВПО
   

Данная дисциплина относится к вариативной части цикла М.2 Профессиональный цикл. Для ее освоения необходимы знания, умения и компетенции, приобретенные в результате изучения следующих дисциплин:

• Основы информатики;
  
• Языки и методы программирования;
  
• Архитектура компьютеров;
  
• Математическая логика и теория алгоритмов;
  
• Введение в параллельные вычисления;
  
• Интеллектуальные системы.
  

Знания и умения, полученные в результате освоения данной дисциплины, могут быть использованы при подготовке студентом магистерской диссертации, а также в научной и практической деятельности после окончания университета.

3. Требования к результатам освоения дисциплины
   

Процесс изучения дисциплины направлен на формирование следующих компетенций:

• способность использовать углубленные теоретические и практические знания в области прикладной математики и информатики (ОК-3);
  
• способность проводить научные исследования и получать новые научные и прикладные результаты (ПК-1);
  
• способность разрабатывать концептуальные и теоретические модели решаемых научных проблем и задач (ПК-2);
  
• способность углубленного анализа проблем, постановки и обоснования задач научной и проектно-технологической деятельности (ПК-3).
  

В результате изучения дисциплины магистрант должен:

знать: области применения нейронных сетей; принципы построения нейрокомпьютеров;

уметь: решения задач синтеза нейронных сетей различной структуры;

владеть: навыками моделирования нейронных сетей в системе MATLAB.

4. Структура и содержание дисциплины
   

№ п/п	Раздел учебной дисциплины	Семестр	Неделя семестра	Виды учебной работы и трудоемкость (в часах)			Формы текущего контроля успеваемости (по неделям семестра)	Форма промежуточной аттестации
				лекц.	лабор. зан.	сам. раб.
1	2	3	4	5	6	7	8	9
1	Введение в нейронные сети	2	1 1, 2 1, 2	2	4	6	проверка выполнения лабораторных работ (1, 2 недели)
2	Модель искусственного нейрона и архитектура нейронной сети	2	3 3, 4 3, 4	2	4	6	проверка выполнения лабораторных работ (3, 4 недели)
3	Нейронные сети с использованием персептронов	2	5 5, 6 5, 6	2	4	6	проверка выполнения лабораторных работ (5, 6 недели)
4	Нейронные сети с линейной передаточной функцией	2	7 7, 8 7, 8	2	4	6	проверка выполнения лабораторных работ (7, 8 недели)
5	Нейронные сети с радиально-базисной передаточной функцией	2	9 9, 10 9, 10	2	4	6	проверка выполнения лабораторных работ (9, 10 недели)
6	Самоорганизация и обучение нейронных сетей	2	11 11, 12 11, 12	2	4	6	проверка выполнения лабораторных работ (11, 12 недели)
7	Рекуррентные нейронные сети	2	13 13, 14 13, 14	2	4	6	проверка выполнения лабораторных работ (13, 14 недели)
8	Применение нейронных сетей	2	15 15, 16 15, 16	2	4	6	проверка выполнения лабораторных работ (15, 16 недели)

1	2	3	4	5	6	7	8	9
9	Нейрокомпьютеры	2	17 17, 18 17, 18	2	4	6	проверка выполнения лабораторных работ (17, 18 недели)	зачет

5. Образовательные технологии
   

Изучение данной дисциплины предполагает использование коллективных способов обучения, технологий личностно-ориентированного, проблемного, модульного и дифференцированного обучения. Для студентов, проявляющих повышенный интерес к изучению дисциплины, возможно применение технологий проектной деятельности и исследовательского обучения. В рамках изучения дисциплины имеют место также интерактивные формы обучения с применением информационных технологий.

6. Оценочные средства для текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины и учебно-методическое обеспечение самостоятельной работы студентов
   

Текущий контроль успеваемости проводится в форме проверки правильности выполнения лабораторных работ. В процессе изучения дисциплины магистрант должен выполнить определенное количество лабораторных работ по разделам дисциплины. Лабораторные работы выполняются на лабораторных занятиях. Методические указания для выполнения лабораторных работ имеют вид раздаточных материалов и выдаются магистрантам непосредственно на лабораторных занятиях.

Самостоятельная работа представляет собой углубленное изучение теории нейронных сетей в рамках программы дисциплины. Методическим обеспечением для проведения самостоятельной работы является литература, представленная в разделе 7.

По каждой лабораторной работе магистрант готовит отчет. Он выполняется в форме компьютерной презентации, в процессе которой и проверяется правильность выполнения лабораторной работы. Если лабораторная работа выполнена верно, то за ее выполнение ставится отметка «зачтено», в противном случае задание возвращается магистранту на доработку.

Результаты выполнения лабораторных работ и являются допуском магистранта к зачету, который является формой промежуточной аттестации. Для допуска к зачету должны быть выполнены все лабораторные работы.

На зачете магистранту предлагается ответить на один теоретический вопрос и решить практическое задание по одной из тем дисциплины. Если магистрант дает развернутый ответ на теоретический вопрос, решает практическое задание, не допуская грубых ошибок, и отвечает на дополнительные вопросы в рамках программы дисциплины, то ему выставляется отметка «зачтено». В противном случае выставляется отметка «не зачтено». В этом случае должна быть проведена пересдача магистрантом зачета в соответствии с правилами, установленными в университете.

7. Учебно-методическое и информационное обеспечение учебной дисциплины
   

1. основная литература
   
   1. Галушкин А. И. Нейронные сети. Основы теории / А. И. Галушкин. – М.: Горячая Линия – Телеком, 2010. – 496 с.
      
   2. Головко В. А. Нейронные сети: обучение, организация и применение / В. А. Головко. – М.: ИПРЖР, 2002. – 256 с. – (Серия «Нейрокомпьютеры и их применение». Кн. 4).
      
   3. Каллан Р. Основные концепции нейронных сетей: пер. с англ. / Р. Каллан. – М.:, 2003. – 288 с. – (Серия «Основы вычислительных систем»).
      
   4. Медведев В. С. Нейронные сети. MATLAB 6 / В. С. Медведев, В. Г. Потемкин. – М.: Диалог-МИФИ, 2002. – 496 с. – (Серия «Пакеты прикладных программ»).
      
2. дополнительная литература
   
   1. Барский А. Б. Логические нейронные сети / А. Б. Барский. – М.: Интернет-ун-т инф. технол-й, Бином. Лаборатория знаний, 2007. – 352 с. – (Серия «Основы информационных технологий»).
      
   2. Дьяконов В. П. MATLAB 6.5 SP1/7/7 SP1/7 SP2 + Simulink 5/6. Инструменты искусственного интеллекта и биоинформатики / В. П. Дьяконов, В. В. Круглов. – М.: СОЛОН-Пресс, 2006. – 456 с. – (Серия «Библиотека профессионала»).
      
   3. Тархов Д. А. Нейронные сети как средство математического моделирования / Д. А. Тархов. – М.: Радиотехника, 2006. – 48 с. – (Серия «Нейрокомпьютеры и их применение». Кн. 22).
      
   4. Тархов Д. А. Нейронные сети. Модели и алгоритмы / Д. А. Тархов. – М.: Радиотехника, 2005. – 256 с. – (Серия «Нейрокомпьютеры и их применение». Кн. 18).
      
   5. Хайкин С. Нейронные сети. Полный курс: пер. с англ. / С. Хайкин. – 2-е изд., испр. – М.: Вильямс, 2006. – 1104 с.
      
   6. Яхъяева Г. А. Нечеткие множества и нейронные сети / Г. А. Яхъяева. – 2-е изд., испр. – М.: Интернет-ун-т инф. технол-й, Бином. Лаборатория знаний, 2010. – 320 с. – (Серия «Основы информационных технологий»).
      
3. программное обеспечение и Интернет-ресурсы
   
   1. Neural Network Toolbox User’s Guide [Электронный ресурс] // The MathWorks, Inc.: [официальный сайт корпорации]. – [Natick, 2010]. – 951 с. – Режим доступа: ссылка скрыта. – [Документ в формате PDF, доступен для скачивания].
      

8. Материально-техническое обеспечение дисциплины
   

Для проведения лекционных занятий и практических занятий по учебной дисциплине необходима аудитория на 30 посадочных мест, оборудованная доской. Лекции проводятся в форме компьютерных презентаций, поэтому аудитория должна быть укомплектована следующим оборудованием:

• портативным персональным компьютером класса «ноутбук» или «нетбук»; на нем должно быть установлено программное обеспечение, включающее операционную систему MS Windows XP (или более поздней версии) и редактор презентаций MS PowerPoint (версии 2002 или более поздней);
  
• настенным экраном или интерактивной доской.
  

Лабораторные занятия требуют использования персональных компьютеров. Поэтому для их проведения необходима лаборатория на 15 рабочих мест. Каждое рабочее место должно быть оборудовано персональным компьютером конфигурации IBM PC или совместимой с ней, двумя электрическими розетками для подключения системного блока и периферийных устройств и компьютерным столом для их размещения. Все компьютеры должны быть объединены в локальную сеть с возможностью доступа к ресурсам сети Internet.

Каждый компьютер должен иметь следующую аппаратную конфигурацию:

• 4-ядерный процессор семейства Intel Core 2 Quad или более производительный;
  
• оперативную память объемом не менее 4 Гб;
  
• жесткий диск объемом не менее 500 Гб;
  
• дисковод оптических дисков класса DVD-RW;
  
• монитор с диагональю не менее 17";
  
• стандартную клавиатуру (102 клавиши или более);
  
• манипулятор «мышь» оптического типа с тремя кнопками и колесом прокрутки;
  
• коврик для манипулятора «мышь» оптического типа.
  

На каждом компьютере должно быть установлено следующее программное обеспечение:

• сетевая операционная система семейства Microsoft Windows (Windows XP или более поздняя);
  
• система компьютерной математики MATLAB версии R13 или более поздней, включающая оба первичных программных продукта (MATLAB и Simulink) корпорации The MathWorks, Inc.
  

Желательно, не реже чем один раз в два года, проводить обновление аппаратного и программного обеспечения лаборатории, поскольку развитие информатики и информационных технологий приводит к их быстрому моральному устареванию, что естественным образом отрицательно повлияет на качество подготовки студентов.

Авторы (разработчики):

кафедра САПР доцент А. Н. Мадонов

^{(место работы) (занимаемая должность) (инициалы, фамилия)}

Рецензенты (эксперты):

^{(место работы) (занимаемая должность) (инициалы, фамилия)}

Программа ободрена на заседании _______________________________________________________
от «___» _________________ 2011 г., протокол № ___.