Реферат: Нейросетевое моделирование сложных технических объектов

Нейросетевое моделирование сложных технических объектов

(полное наименование учебной дисциплины)




200500 МТ-11

(номер направления и/или специальности)




Кафедра МТ-11

(сокращенное название обеспечивающей кафедры)




Доцент, к.т.н. Булыгина Екатерина Вадимовна, тел. 267-09-83

e-mail: bulygina@bmstu.ru

(разработчик)




Цель изучения дисциплины: подготовка к использованию нейросетевых технологий на разных этапах научных исследований

^ Планируемые результаты изучения дисциплины:

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.
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 параметры обучения и точность работы сети.

иметь навыки использования нейроимитаторов для проведения исследования в нейросетевом базисе.

(цель преподавания дисциплины, требуемые результаты изучения дисциплины)




^ Место дисциплины в учебном плане специальности:

Изучение данной дисциплины базируется на освоении предшествующих дисциплин циклов ЕН, ОПД и СД: Математика, Информатика,, Теория вероятностей и математическая статистика, Физические основы электронной техники, Элионные технологии, Системы автоматического управления, Основы научных исследований, Инженерный практикум и завершает цикл специальной подготовки.


(место дисциплины в рамках профессиональной образовательной программы)




Структура:

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

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

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

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.

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.

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

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


(основные модули дисциплины в соответствии с образовательным стандартом)




^ Организация учебных занятий по дисциплине:

Дисциплина построена по модульному принципу, каждый модуль завершается рубежным контролем или выполнением домашнего задания. Для самостоятельной проработки дисциплины имеются учебные, справочные и дополнительные материалы, размещенные на сервере кафедры. Закрепление полученных знаний и умений осуществляется при выполнении домашнего задания и проведении исследований в рамках инженерного практикума.

(организация учебных занятий по дисциплине)




Семестры: 11 (экзамен)

(семестры, на которых изучается дисциплина)




Объем: всего _____ ч, в т.ч. 34 ч. – лекции, ___ч. – подготовка к рубежному контролю, домашние задания.

(общая трудоемкость дисциплины)



Таблица 1

Раздел

Материалы

Документы

Для студента

Для преподавателя

1.Методический

Учебно-методические

1.1. Аннотация дисциплины

1.2. Выписка из ФГОС ВПО

1.3. Учебная программа

1.4. Методические рекомендации:

к выполнению домашнего задания,

к использованию программного обеспечения

2.Обучающий

Учебные

2.1. Учебник

2.2. Курс лекций

2.3. Презентация лекционного курса


2.4. Программа NN из пакета STATISTICA

Справочные и дополнительные

2.4. Научные труды кафедры

2.5. Ссылки в сети Internet на источники информации

2.6. Материалы для углубленного изучения

3.Контролирующий

Материалы для промежуточного контроля и итоговой аттестации

3.1. Вопросы для самоконтроля

3.2. Варианты тестовых заданий

3.3. Варианты домашних заданий

3.5. Экзаменационные билеты

3.6. Карта посещаемости, текущей успеваемости и результатов обучения