Программа для учебного плана специальности №20. 05. 00 № IV
Вид материала | Программа |
- Программа для учебного плана специальности 20. 05. 00 (мт-11) Объём работ, час, 240.83kb.
- Рабочая программа для направления (специальности), 68.28kb.
- Рабочая программа по дисциплине «Предпринимательская деятельность» для специальности, 122.54kb.
- Рабочая программа по дисциплине «Менеджмент и маркетинг в сервисе» для специальности, 118.95kb.
- Рабочая программа для направления (специальности) 550200 "Автоматизация и управление", 110.91kb.
- Рабочая программа по дисциплине «Маркетинг» для специальности 351000 (080503) «Антикризисное, 106.28kb.
- Рабочая программа по дисциплине «Инвестирование» для специальности 351000 (080503), 98.04kb.
- Рабочая программа по дисциплине «Теоретические основы реструктуризации» для специальности, 175.92kb.
- Рабочая программа по русскому языку Учебный год, 980.15kb.
- Рабочая программа по дисциплине «Теория и практика финансового оздоровления предприятия», 109.44kb.
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.