rpd000005972 (010400 (01.03.02).Б1 Информатика)
Описание файла
Файл "rpd000005972" внутри архива находится в следующих папках: 010400 (01.03.02).Б1 Информатика, 010400.Б1. Документ из архива "010400 (01.03.02).Б1 Информатика", который расположен в категории "". Всё это находится в предмете "вспомогательные материалы для первокурсников" из 1 семестр, которые можно найти в файловом архиве МАИ. Не смотря на прямую связь этого архива с МАИ, его также можно найти и в других разделах. Архив можно найти в разделе "остальное", в предмете "вспомогательные материалы для первокурсников" в общих файлах.
Онлайн просмотр документа "rpd000005972"
Текст из документа "rpd000005972"
Министерство образования и науки Российской Федерации
Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования
Московский авиационный институт
(национальный исследовательский университет)
УТВЕРЖДАЮ
Проректор по учебной работе
______________Куприков М.Ю.
“____“ ___________20__
РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ (000005972)
Нейроинформатика
(указывается наименование дисциплины по учебному плану)
| Направление подготовки | Прикладная математика и информатика | |||||
| Квалификация (степень) выпускника | Бакалавр | |||||
| Профиль подготовки | Информатика | |||||
| Форма обучения | очная | |||||
| (очная, очно-заочная и др.) | ||||||
| Выпускающая кафедра | 806 | |||||
| Обеспечивающая кафедра | 806 | |||||
| Кафедра-разработчик рабочей программы | 806 | |||||
| Семестр | Трудоем-кость, час. | Лек-ций, час. | Практич. занятий, час. | Лаборат. работ, час. | СРС, час. | Экзаменов, час. | Форма промежуточного контроля |
| 7 | 144 | 16 | 20 | 32 | 49 | 27 | Э |
| Итого | 144 | 16 | 20 | 32 | 49 | 27 |
Москва
2011 г.
РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ
Разделы рабочей программы
-
Цели освоения дисциплины
-
Структура и содержание дисциплины
-
Учебно-методическое и информационное обеспечение дисциплины
-
Материально-техническое обеспечение дисциплины
Приложения к рабочей программе дисциплины
Приложение 1. Аннотация рабочей программы
Приложение 2. Cодержание учебных занятий
Приложение 3. Прикрепленные файлы
Программа составлена в соответствии с требованиями ФГОС ВПО по направлению подготовки 010400 Прикладная математика и информатика
Авторы программы :
| Сеницкая В.В. | _________________________ |
| Заведующий обеспечивающей кафедрой 806 | _________________________ |
Программа одобрена:
| Заведующий выпускающей кафедрой 806 _________________________ | Декан выпускающего факультета 8 _________________________ |
-
ЦЕЛИ ОСВОЕНИЯ ДИСЦИПЛИНЫ
Целью освоения дисциплины Нейроинформатика является достижение следующих результатов образования (РО):
| N | Шифр | Результат освоения |
| 1 | У-5 | Применять методы прикладной математики и информатики |
| 2 | РДПК-16 | Способен применять в профессиональной деятельности современные методы, средства и технологии дискретного анализа, математической лингвистики, крипт |
Перечисленные РО являются основой для формирования следующих компетенций: (в соответствии с ФГОС ВПО и требованиями к результатам освоения основной образовательной программы (ООП))
| N | Шифр | Компетенция |
| 1 | ПК-8 | Способность формировать суждения о значении и последствиях своей профессиональной деятельности с учетом социальных, профессиональных и этических позиций |
| 2 | ДПК-18 | Способность применять в профессиональной деятельности современные методы, средства и технологии обработки графической и мультимедийной информации, распознавания образов и машинного зрения |
-
СТРУКТУРА И СОДЕРЖАНИЕ ДИСЦИПЛИНЫ
Общая трудоемкость дисциплины составляет 4 зачетных(ые) единиц(ы), 144 часа(ов).
| Модуль | Раздел | Лекции | Практич. занятия | Лаборат. работы | СРС | Всего часов | Всего с экзаменами и курсовыми |
| Нейроинформатика | Нейроинформатика | 16 | 20 | 32 | 49 | 117 | 144 |
| Всего | 16 | 20 | 32 | 49 | 117 | 144 | |
-
Содержание (дидактика) дисциплины
В разделе приводится полный перечень дидактических единиц, подлежащих усвоению при изучении данной дисциплины.
- 1. НС-модели как математические и компьютерные модели, основанные на использовании искусственных нейронных сетей.
- 2. Представление зависимостей между величинами.
- 3. Классификация данных.
- 4. Выявление закономерностей в данных.
- 5. Кластеризация данных.
- 6. Сжатие данных.
- 7. Визуализация данных.
- 8. Ассоциативная память.
- 9. Оптимизация.
- 10. Важнейшие (фундаментальные) идеи, на которых основано НС-моделирование.
- 11. Персептрон Розенблатта.
- 12. Постулат Хебба.
- 13. Правило Уидроу-Хоффа
- 14. Многослойные сети прямого распространения.
- 15. Обучение многослойных сетей прямого распространения.
- 16. Применение сетей прямого распространения.
- 17. Альтернативные варианты алгоритма обратного распространения ошибки
- 18. Глобальная и локальная рецептивность сетей.
- 19. Метрические классификаторы
- 20. Сети радиальных базисных функций (RBF-сети).
- 21. Нейросети и составное представление функций.
- 22. Нейросетевые модели с обратными связями.
- 23. Нейросетевые модели с соревновательным обучением.
-
Лекции
| № п/п | Раздел дисциплины | Объем, часов | Тема лекции | Дидакт. единицы |
| 1 | 1.1.Нейроинформатика | 2 | НС-модели как математические и компьютерные модели, основанные на использовании искусственных нейронных сетей. | 1 |
| 2 | 1.1.Нейроинформатика | 4 | Типовые задачи. | 2, 3, 4, 5, 6, 6, 7, 8, 9 |
| 3 | 1.1.Нейроинформатика | 2 | Важнейшие (фундаментальные) идеи, на которых основано НС-моделирование. | 10 |
| 4 | 1.1.Нейроинформатика | 2 | Персептрон Розенблатта | 11 |
| 5 | 1.1.Нейроинформатика | 2 | Постулат Хебба. | 12 |
| 6 | 1.1.Нейроинформатика | 2 | Правило Уидроу-Хоффа | 13 |
| 7 | 1.1.Нейроинформатика | 2 | Многослойные сети прямого распространения. | 14 |
| Итого: | 16 | |||
-
Практические занятия
| № п/п | Раздел дисциплины | Объем, часов | Тема практического занятия | Дидакт. единицы |
| 1 | 1.1.Нейроинформатика | 4 | Обучение многослойных сетей прямого распространения. | 15 |
| 2 | 1.1.Нейроинформатика | 2 | Применение сетей прямого распространения. | 16 |
| 3 | 1.1.Нейроинформатика | 2 | Альтернативные варианты алгоритма обратного распространения ошибки, основанные на оптимизационных схемах, отличных от наискорейшего спуска | 17 |
| 4 | 1.1.Нейроинформатика | 2 | Глобальная и локальная рецептивность сетей. | 18 |
| 5 | 1.1.Нейроинформатика | 2 | Метрические классификаторы | 19 |
| 6 | 1.1.Нейроинформатика | 2 | Сети радиальных базисных функций (RBF-сети). | 20 |
| 7 | 1.1.Нейроинформатика | 2 | Нейросети и составное представление функций. | 21 |
| 8 | 1.1.Нейроинформатика | 2 | Нейросетевые модели с обратными связями. | 22 |
| 9 | 1.1.Нейроинформатика | 2 | Нейросетевые модели с соревновательным обучением. | 23 |
| Итого: | 20 | |||
-
Лабораторные работы
| № п/п | Раздел дисциплины | Наименование лабораторной работы | Наименование лаборатории | Объем, часов | Дидакт. единицы |
| 1 | 1.1.Нейроинформатика | Персептроны. Процедура обучения Розенблатта | 4 | 11 | |
| 2 | 1.1.Нейроинформатика | Линейная нейронная сеть. Правило обучения Уидроу-Хоффа | 4 | 13 | |
| 3 | 1.1.Нейроинформатика | Многослойные сети. Алгоритм обратного распространения ошибки | 4 | 14, 15, 16, 17 | |
| 4 | 1.1.Нейроинформатика | Сети с радиальными базисными элементами | 4 | 18, 19, 20 | |
| 5 | 1.1.Нейроинформатика | Динамические сети | 4 | 21, 22 | |
| 6 | 1.1.Нейроинформатика | Сети с обратными связями | 4 | 21, 22 | |
| 7 | 1.1.Нейроинформатика | Сети Кохонена | 4 | 23 | |
| 8 | 1.1.Нейроинформатика | Сеть LVQ | 4 | 23 | |
| Итого: | 32 | ||||
-
Типовые задания
| № п/п | Раздел дисциплины | Объем, часов | Наименование типового задания |
| Итого: | |||
-
Курсовые работы и проекты по дисциплине
-
Рубежный контроль
-
Промежуточная аттестация
1. Экзамен (7 семестр)
Прикрепленные файлы: ANN-Questions.rtf
