rpd000013302 (1009499), страница 3

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 3)

1.4.2. Последовательный и пакетный режим обучения. Извлечение признаков. Обобщение. Анализ главных компонент. (АЗ: 2, СРС: 2)

Форма организации: Практическое занятие

Описание: Обучение и самообучение искусственных нейронных сетей. Правила обучения. Алгоритм обратного распространения ошибки.

1.4.3. Виды ИНС: многослойный персептрон, линейные сети, радиальная базисная сеть, сеть Кохонена, сеть Хопфилда, сеть Хемминга, сеть Элмана. (АЗ: 2, СРС: 2)

Форма организации: Практическое занятие

Описание: Модели искусственных нейронов. Виды искусственных нейронных сетей.

1. Лабораторные работы

1.1.1. Создание структуры таблиц в системе управления базами данных. (АЗ: 4, СРС: 6)

Форма организации: Лабораторная работа

Описание: Иерархическая модель данных. Реляционная модель данных. Постреляционная модель данных. Объектно-ориентированная модель данных. Система управления базами данных.

1.1.2. Разработка интерфейса пользователя системой управления базами данных и создание её элементов управления. (АЗ: 4, СРС: 6)

Форма организации: Лабораторная работа

Описание: Система управления базами данных.

1.3.1. Система технической диагностики отказов. (АЗ: 4, СРС: 6)

Форма организации: Лабораторная работа

Описание: Архитектура экспертной системы. База данных. База знаний. Решатель. Подсистема общения. Подсистема обучения. Подсистема объяснения. Эксперт. Пользователь. Инженер по знаниям. Логическая модель представления знаний. Продукционная модель представления знаний. Сетевая модель представления знаний. Фреймовая модель представления знаний. Формализм представления знаний.

1.4.1. Применение нейронной сети для классификации образа. (АЗ: 4, СРС: 6)

Форма организации: Лабораторная работа

Описание: Искусственный нейрон. Искусственная нейронная сеть. Функции активации. Обучение и самообучение искусственных нейронных сетей. Правила обучения. Алгоритм обратного распространения ошибки. Модели искусственных нейронов. Виды искусственных нейронных сетей.

1. Типовые задания

Приложение 3
к рабочей программе дисциплины
«Информационное обеспечение принятия решений »

Прикрепленные файлы

Зачет с оценкой.doc

Промежуточная аттестация №1

Зачет с оценкой

Семестр:

Вид контроля:

Вопросы:

1. Роль и место информационного обеспечения в системах управления.

2. Классификация информационных систем.

3. Системы управления базами данных (СУБД).

4. Модели и типы данных: иерархическая модель, сетевая модель, реляционная модель, постреляционная модель, многомерная модель, объектно-ориентированная модель.

5. Основные этапы проектирования ИС и БД.

6. Основные требования к организации диалога и представления данных.

7. Методология хранения данных в БД.

8. Модели процессов передачи, обработки, накопления и хранения информации в СУБД.

9. Обеспечение информационной безопасности. Перспективы развития СУБД.

10. Принятие решений.

11. Формирование общего подхода к выбору метода принятия решений.

12. Особенности бортовой системы принятия решений.

13. Многоуровневая структура интеллектуальной системы управления.

14. Условие оперативности интеллектуальной оценки ситуации и принятия решений.

15. Альтернативный характер принятия интеллектуальных решений.

16. Экспертные системы (основные понятия и определения).

17. Классификации экспертных систем (ЭС).

18. Архитектура экспертных систем.

19. Методология построения ЭС.

20. Представление знаний в ЭС.

21. Организация знаний в рабочей памяти и в базе знаний.

22. Модели представления знаний: логическая модель, продукционная модель, фреймовая модель, сетевая модель.

23. Выбор формализма для представления знаний.

24. Методы поиска решений в ЭС.

25. Нейронные сети.

26. Биологический нейрон.

27. Искусственный нейрон и функции активации.

28. Обучение и самообучение искусственных нейронных сетей (ИНС).

29. Правила обучения ИНС.

30. Алгоритмы обучения ИНС.

31. Алгоритм обратного распространения ошибки.

32. Модели искусственных нейронов: персептрон, нейрон Хебба, сигмоидальный нейрон, входная и выходная звезды Гроссберга, адаптивный линейный нейрон, нейрон «Победитель забирает все», стохастический нейрон.

33. Классификация ИНС.

34. Многослойный персептрон.

35. Линейные сети.

36. Радиальная базисная сеть.

37. Сеть Кохонена.

38. Сеть Хопфилда.

39. Сеть Хемминга.

40. Сеть Элмана.

41. Двунаправленная ассоциативная память.

42. Применение экспертных систем и искусственных нейронных сетей в информационном обеспечении принятия решений.

Версия: AAAAAATu/2c Код: 000013302

Характеристики

Список файлов учебной работы