Дневная форма обучения
| № лекции
| Тема занятия и вопросы лекции
| Количество часов
| |
| Тема 1: Базовые понятия
Терминология
Философские аспекты проблемы систем ИИ (возможность существования, безопасность, полезность).
История развития систем ИИ.
|
| |
| Тема 2: Архитектура и основные составные части систем
Различные подходы к построению систем
Вспомогательные системы нижнего уровня (распознавание образов зрительных и звуковых, идентификация, моделирование, жесткое программирование) и их место в системах
|
| |
| Тема 3: Системы распознавания образов (идентификации)
Понятие образа
Проблема обучения распознаванию образов (ОРО)
Геометрический и структурный подходы.
Гипотеза компактности
|
| |
| Тема 3: Системы распознавания образов (идентификации)
Обучение и самообучение. Адаптация и обучение
Перцептроны
Нейронные сети
|
| |
| Тема 3: Системы распознавания образов (идентификации)
История исследований в области нейронных сетей
Модель нейронной сети с обратным распространением ошибки (back propagation)
Нейронные сети: обучение без учителя
|
| |
| Тема 3: Системы распознавания образов (идентификации)
Нейронные сети Хопфилда и Хэмминга
Метод потенциальных функций
Метод группового учета аргументов МГУА
|
| |
| Тема 3: Системы распознавания образов (идентификации)
Метод наименьших квадратов
Коллективы решающих правил
Методы и алгоритмы анализа структуры многомерных данных
|
| |
| Тема 3: Системы распознавания образов (идентификации)
Кластерный анализ
Иерархическое группирование
|
| |
| Тема 4. Логический подход к построению систем ИИ
Неформальные процедуры
Алгоритмические модели
Продукционные модели
Элементы нечеткой логики
|
| |
| Тема 4. Логический подход к построению систем ИИ
Язык Пролог
|
| |
| Итого:
|
|
Заочная форма обучения
| № лекции
| Тема занятия и вопросы лекции
| Количество часов
| |
| Тема 1: Базовые понятия
Терминология
Философские аспекты проблемы систем ИИ (возможность существования, безопасность, полезность).
История развития систем ИИ.
Архитектура и основные составные части систе
|
| |
| Тема2: Системы распознавания образов (идентификации)
Понятие образа
Проблема обучения распознаванию образов (ОРО)
Геометрический и структурный подходы.
Гипотеза компактности
Обучение и самообучение. Адаптация и обучение
Перцептроны
Нейронные сети
|
| |
| Тема 2: Системы распознавания образов (идентификации)
История исследований в области нейронных сетей
Модель нейронной сети с обратным распространением ошибки (back propagation)
Нейронные сети: обучение без учителя
|
| |
| Тема 3: Системы распознавания образов (идентификации)
Нейронные сети Хопфилда и Хэмминга
Метод потенциальных функций
Метод наименьших квадратов
Коллективы решающих правил
Методы и алгоритмы анализа структуры многомерных данных
|
| |
| Тема 3: Системы распознавания образов (идентификации)
Кластерный анализ
Иерархическое группирование
|
| |
| Тема 4. Логический подход к построению систем ИИ
Язык Пролог
|
| |
| Итого:
|
|
Тематический план лабораторных занятий
Дневная форма обучения
| №
занятия
| Тема занятия
| Количество часов
| |
| Работа 1. ИСПОЛЬЗОВАНИЕ СОСТАВНЫХ ОБЪЕКТОВ
|
| |
| Работа 2. РЕАЛИЗАЦИЯ АРИФМЕТИЧЕСКИХ ИЛОГИЧЕСКИХ ОПЕРАЦИИ
|
| |
| Работа 3. УПРАВЛЕНИЕ ПОИСКОМ РЕШЕНИЯ
|
| |
| Работа 4. ОБРАБОТКА СПИСКОВ
|
| |
| Работа 5. ОБРАБОТКА СТРОК
|
| |
| Работа 6. ХРАНЕНИЕ ФАЙЛОВ НА ВНЕШНИХ НОСИТЕЛЯХ
|
| |
| Итого:
|
|
Заочная форма обучения
| №
занятия
| Тема занятия
| Количество часов
| |
| Работа 1. ИСПОЛЬЗОВАНИЕ СОСТАВНЫХ ОБЪЕКТОВ, РЕАЛИЗАЦИЯ АРИФМЕТИЧЕСКИХ ИЛОГИЧЕСКИХ ОПЕРАЦИИ
|
| |
| Работа 2. УПРАВЛЕНИЕ ПОИСКОМ РЕШЕНИЯ, ОБРАБОТКА СПИСКОВ, ОБРАБОТКА СТРОК
|
| |
| Работа 3 ХРАНЕНИЕ ФАЙЛОВ НА ВНЕШНИХ НОСИТЕЛЯХ
|
| |
| Итого:
|
|
Содержание самостоятельной работы студентов по дисциплине
| №
| Наименование модулей и тем
Вопросы, выносимые на самостоятельную работу
| Кол-во часов
| |
| Введение в нейрокомпьютерные системы
Изучить: символьная и коннекционистская парадигмы искусственного интеллекта, понятие искусственной нейронной сети (НС), история возникновения и перспективы развития НС, отличия НС от традиционных вычислительных систем.
|
| |
| Модели нейронов
Изучить структуру и функции различных моделей нейрона: персептрон, сигмоидальный нейрон, адалайн, Паде-нейрон, нейрон с квадратичным сумматором, сигма-пи нейроны, нейрон Хебба, стохастическая модель нейрона, кубические модели нейронов.
|
| |
| Задача линейного разделения двух классов
Изучить: решение задачи линейного разделения двух классов методом центров масс, алгоритм обучения персептрона, виды обучения, геометрическая интерпретация задачи разделения двух классов.
|
| |
| Задача нелинейного разделения двух классов
Изучить: решение задачи нелинейного разделения двух классов методом максимума правдоподобия и многослойной сетью, реализация булевых функций посредством нейронной сети.
|
| |
| Виды нейронных сетей и способы организации их функционирования
Изучить: варианты многослойных сетей, режимы функционирования сетей, предобработка входных данных сети, виды интерпретации ответов НС, задача аппроксимации функций и оценка способности сети решить эту задачу.
|
| |
| Многослойные сети сигмоидального типа
Изучить: многослойный персептрон, алгоритм обратного распространения ошибки, подбор коэффициента обучения (одномерная минимизация), методы инициализации весов сети.
|
| |
| Градиентные алгоритмы обучения сети
Изучить: особенности задачи оптимизации, возникающей при обучении нейронных сетей; алгоритмы выбора направления минимизации: алгоритм наискорейшего спуска, партан-методы, одношаговый квазиньютоновский метод и сопряженные градиенты.
|
| |
| Методы глобальной оптимизации
Изучить: алгоритм имитации отжига, генетические алгоритмы, использование случайных возмущений в обучении (метод виртуальных частиц).
|
| |
| Радиальные нейронные сети Изучить математические основы радиальных сетей и методы их обучения. Производится сравнение радиальных и сигмоидальных нейронных сетей.
|
| |
| Рекуррентные сети как ассоциативные запоминающие устройства
Изучить: нейронная сеть Хопфилда как автоассоциативная память, обучаемая с использованием метода Хебба и проекционного метода; гетероассоциативная память на основе сети Хемминга и двунаправленная ассоциативная память
|
| |
| Решение задач комбинаторной оптимизации рекуррентными сетями
Рассматривается решение задачи коммивояжера сетью Хопфилда и машиной Больцмана. Оцениваются параметры функции энергии нейронных сетей, обеспечивающие решение задачи коммивояжера.
|
| |
| Рекуррентные сети на базе персептрона
Изучить многослойные рекуррентные сети (персептронная\break сеть с обратной связью, рекуррентная сеть Эльмана, сеть RTRN) и их использование для идентификации динамических объектов.
|
| |
| Самоорганизация (самообучение) нейронных сетей
Изучить: метод динамических ядер в классификации без учителя, алгоритмы обучения сетей с самоорганизацией и их применение к компрессии данных и прогнозированию.
|
| |
| Адаптивная резонансная теория (АРТ)
Изучить: вопрос о соотношении стабильности и пластичности при запоминании; архитектура, реализация, обучение и характеристики сети АРТ (адаптивной резонансной теории).
|
| |
| Нечеткие и гибридные нейронные сети
Изучить: математические основы нечетких систем, преимущества и алгоритмы обучения нечетких нейронных сетей, нечеткие сети с генетической настройкой, экспертные системы на основе гибридных НС
|
| |
| Методы аппаратной реализации нейрокомпьютеров
Изучить: электронные и оптические методы реализации нейрокомпьютеров.
|
| |
| Всего:
|
|
8. Содержание индивидуальной работы студентов по дисциплине*)
8.1. Темы для самостоятельной реферативной работы:
- История развития систем ИИ.
- Различные подходы к построению систем
- Распознавание образов зрительных и звуковых, идентификация, моделирование, жесткое программирование
- Геометрический и структурный подходы распознаванию образов.
- Обучение и самообучение. Адаптация и обучение
- Перцептрон
- Нейронные сети
- История исследований в области нейронных сетей
- Модель нейронной сети с обратным распространением ошибки (back propagation)
- Нейронные сети: обучение без учителя
- Метод потенциальных функций
- Метод наименьших квадратов
- Алгоритм с ковариациями и с квадратичными описаниями.
- Метод предельных упрощений (МПУ)
- Коллективы решающих правил
- Методы и алгоритмы анализа структуры многомерных данных
- Кластерный анализ
- Иерархическое группирование
- Алгоритмические модели
- Продукционные модели
- Элементы нечеткой логики
Обзор компонентов Multisim Компоненты – это основа любой схемы, это все элементы, из которых она состоит. Multisim оперирует с двумя категориями...
|
Композиция из абстрактных геометрических фигур Данная композиция состоит из линий, штриховки, абстрактных геометрических форм...
|
Важнейшие способы обработки и анализа рядов динамики Не во всех случаях эмпирические данные рядов динамики позволяют определить тенденцию изменения явления во времени...
|
ТЕОРЕТИЧЕСКАЯ МЕХАНИКА Статика является частью теоретической механики, изучающей условия, при которых тело находится под действием заданной системы сил...
|
|
Кишечный шов (Ламбера, Альберта, Шмидена, Матешука) Кишечный шов– это способ соединения кишечной стенки.
В основе кишечного шва лежит принцип футлярного строения кишечной стенки...
Принципы резекции желудка по типу Бильрот 1, Бильрот 2; операция Гофмейстера-Финстерера. Гастрэктомия Резекция желудка – удаление части желудка:
а) дистальная – удаляют 2/3 желудка б) проксимальная – удаляют 95% желудка. Показания...
Ваготомия. Дренирующие операции Ваготомия – денервация зон желудка, секретирующих соляную кислоту, путем пересечения блуждающих нервов или их ветвей...
|
|
Педагогическая структура процесса социализации Характеризуя социализацию как педагогический процессе, следует рассмотреть ее основные компоненты: цель, содержание, средства, функции субъекта и объекта...
Типовые ситуационные задачи. Задача 1. Больной К., 38 лет, шахтер по профессии, во время планового медицинского осмотра предъявил жалобы на появление одышки при значительной физической
Задача 1. Больной К., 38 лет, шахтер по профессии, во время планового медицинского осмотра предъявил жалобы на появление одышки при значительной физической нагрузке. Из медицинской книжки установлено, что он страдает врожденным пороком сердца....
Типовые ситуационные задачи. Задача 1.У больного А., 20 лет, с детства отмечается повышенное АД, уровень которого в настоящее время составляет 180-200/110-120 мм рт Задача 1.У больного А., 20 лет, с детства отмечается повышенное АД, уровень которого в настоящее время составляет 180-200/110-120 мм рт. ст. Влияние психоэмоциональных факторов отсутствует. Колебаний АД практически нет. Головной боли нет. Нормализовать...
|
|
