Программа для учебного плана специальности №20. 05. 00 № IV

Вид материала

Содержание

Нейросетевое моделирование
Задачами дисциплины является
2.2. Приобретаемые умения.
Методики расчета
Приборы и изделия
2.3. Приобретаемые навыки.
Раздел 3. Содержание дисциплины.
Раздел 5. Лабораторный практикум.
Раздел 6. Самостоятельная работа.

Подобный материал:

Основы научных исследований № IV.10

Министерство образования Российской Федерации

Московский государственный технический университет им. Н.Э.Баумана

Шифр дисциплины

«Утверждаю»

Первый проректор

проректор по учебной работе

МГТУ им. Н.Э. Баумана

_______________ Е.Г. Юдин

«___» «___________» 200_ г.

НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ

СЛОЖНЫХ ТЕХНИЧЕСКИХ ОБЪЕКТОВ

Программа для учебного плана специальности № 20.05.00 (№ IV-10)

	Объём работ, час
Виды учебных работ	Всего	11сем
		17 нед
Выделено на дисциплину
Аудиторная работа
Лекции
Семинары	-	-
Лабораторные работы	-	-
Самостоятельная работа	-	-
Домашнее задание	40	40
Сроки выполнения контрольных мероприятий (неделя выдачи – неделя сдачи)
Домашнее задание № 1 Домашнее задание № 2	10 30	10(6-8) 30(9-12)
Рубежный контроль № 1 Рубежный контроль № 2 Рубежный контроль № 3	4 4 4	(4) (8) (14)
Контроль знаний		экз

Кафедра «Электронные технологии в машиностроении»

Москва, 2003

Программа составлена на основании Государственного образовательного стандарта высшего профессионального образования в соответствии с требованиями к обязательному минимуму содержания основной образовательной программы по направлению подготовки дипломированного специалиста № 654100 «Электроника и микроэлектроника» по специальности № 20.05.00 «Электронное машиностроение».

Раздел 1. Цели и задачи дисциплины.

Основные цели дисциплины: формирование у студентов основных представлений:

	подготовка к использованию нейросетевых технологий на разных этапах научных исследований

Задачами дисциплины является: изучение:

	алгоритма решения задач в нейростевом базисе
	способов предобработки данных для создания на их основе нейросетевой модели
	основных типов архитектур нейронных сетей
	способов обучения нейросетей
	способов оценки качества обучения и работы нейросети и анализа данных

Раздел 2. Требования к уровню освоения содержания дисциплины.

2.1. Приобретаемые знания.

Студент должен знать:

	основные методы подготовки данных и принципы построения нейронных сетей;
	базовые архитектуры нейросетей и их особенности;
	методы обучения нейросетей;
	основные этапы настройки нейронной сети на решение задач;
	процедуры оценки качества работы сети.
	способы анализа данных

2.2. Приобретаемые умения.

Студент должен уметь:

	формализовать задачу для ее решения в нейросетевом базисе
	подбирать необходимый тип нейронной сети и алгоритм ее обучения для решения конкретной задачи;
	тренировать сеть на базе «с учителем» и без;
	оценивать качество обучения и точность работы сети.

Понятия:

Сложная система, фактор, факторное пространство, функция отклика, стохастические процессы, детерминированные процессы.

Прогнозирование, регрессия, классификация, кластеризация

Формальный нейрон, персептрон, радиально-базисная функция, вероятностная сеть, обобщенно-регрессионная сеть, сеть Кохонена, линейная сеть

Обучающие данные, входной вектор, предобработка данных, обучающее, контрольное и тестовое множества

Ошибки обучения и обобщения, методы обучения, эпохи обучения, метод ранней остановки, методы обратного распространения, методы задания центров и отклонений, генетические алгоритмы

Статистики регрессии, статистики классификации

Методики расчета:

Методы теории вероятностей и математической статистики.

Методы оптимизации: случайного поиска, градиента

Кластерный анализ

Генетические алгоритмы

Метод главных компонент

Приборы и изделия

Изучение дисциплины основано на сочетании лекционного материала (с применением мультимедийных средств) с экспериментальными исследованиями, выполняемыми студентами в процессе Инженерного Практикума на технологическом оборудовании, которым оснащена кафедра: установках для нанесения тонких пленок в вакууме, установках для фотолитографии, установках для металлизации, контрольно-измерительном оборудовании; и использованием специализированного лицензионного программного обеспечения.

2.3. Приобретаемые навыки.

Студент должен иметь навыки:

	использования нейроимитаторов для проведения исследования в нейросетевом базисе.
	написания реферативных обзоров по изучаемым разделам курса с элементами анализа, систематизации и обобщения;

Раздел 3. Содержание дисциплины.

№ п/п	Раздел дисциплины	Лекции, ч.	УПР., ч.	ЛР, ч.	Реком. лит-ра
	9 семестр		-	-
3.1.	Введение	3	-	-	[1,2]
3.2.	Алгоритм построения нейросетевой модели	3	-	-	[1]
3.3.	Методы подготовки обучающих нейросеть данных данных	7	-	-	[1, 2]
3.4.	Архитектура нейронных сетей	4	-	-	[1, 2 ]
3.5.	Обучение нейросетей	6	-	-	[1, 2]
3.6.	Оценка качества обучения и работы сети	6	-	-	[1,2]
3.7.	Обзор основных программных продуктов	4	-	-	[1]

Содержание разделов дисциплины:

3.1. Введение: цели и задачи курса, примеры использования искусственных нейронных сетей в области электронного машиностроения. (3 часа)

3.2. Алгоритм построения нейросетевой модели (7 часов): назначение искусственных нейронных сетей, способы реализации нейросетей, этапы настройки нейронной сети на решение задач; достоинства нейросетевой обработки данных.

3.3. Методы подготовки обучающих нейросеть данных данных (4 часа): определение необходимого количества наблюдений, предобработка данных

3.4. Архитектура нейронных сетей (6 часов): классификации нейронных сетей, виды межнейронных связей, виды нейронов, основные типы сетей (линейная сеть, многослойный персептрон, радиально-базисная функция, вероятностные сеть, сеть Кохонена), их особенности и назначение.

3.5. Обучение нейросетей (6 часов): основные процедуры обучения; факторы, определяющие стратегию обучения; обучение «с учителем» и без; методы обучения линейных и нелинейных слоев; контроль процесса обучения.

3.6. Оценка качества обучения и работы сети (4 часа): статистики обучения, оптимизация архитектуры, анализ данных.

3.7. Обзор основных программных продуктов (4 часа): универсальные и специализированные нейроимитаторы, назначение и особенности, примеры их использования, порядок работы.

Раздел 4. Практические занятия.

№ п/п	Номер р/дисц.	Сем.	Тема практического занятия	Объем, ч.
-	-	-	-	0

Раздел 5. Лабораторный практикум.

№ п/п	Номер р/дисц.	Сем.	Тема лабораторного практикума	Объем, ч.
-	-	-	-	0

Раздел 6. Самостоятельная работа.

№ п/п	Номер р/дисц.	Сем.	Тема самостоятельной работы	Объем, ч.
6.1.	3.1 – 3.7	9	Самостоятельная проработка курса лекций, подготовка к зачету и экзаменам.	24
6.2.	3.4	9	Домашнее задание 1. (Аппаратная реализация нейросетей). ( Выдача на 6-й неделе, сдача - на 8-й неделе)	5
6.3.	3.5	9	Домашнее задание 2. (Нейросетевое моделирование). (Выдача на 9-й неделе, сдача - на 14-й неделе).	10

Раздел 7. Курсовое проектирование, курсовая работа.

№ п/п	Номер р/дисц.	Сем.	Тема самостоятельной работы	Объем, ч.
-	-	-	-	0

Раздел 8. Учебно-методические материалы.

8.1. Рекомендуемая литература.

Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры: Учеб.пособие для вузов. М.: Изд-во МГТУ им.Баумана, 2002. –320 с.
Нейронные сети //STATISTICA – 450 c.
Курс лекций NeuruShell/

Программа составлена: Булыгина Е.В., доцент, к.т.н.____________

Программа обсуждена и одобрена на заседании кафедры «Электронные технологии» МТ-11 7.02.2003 г.

Заведующий кафедрой МТ-11

Панфилов Ю.В.. ___________________ .200___ г.

Одобрена методической комиссией факультета «Машиностроительные технологии»

Председатель методической комиссии факультета «Машиностроительные технологии»

Гирш В.И.___________________ «____» __________ 200___ г.

Программа согласована с методическим отделом

Васильев Н.В. ___________________ «____» __________ 200____ г.

Blog

Программа для учебного плана специальности №20. 05. 00 № IV

Содержание