rpd000007592 (1015254), страница 3

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

Текст из файла (страница 3)

1.4.1. Построение распознавателя на базе ядер Мерсера. Методы кластерного анализа и неметрического шкалирования. (АЗ: 4, СРС: 2)

Форма организации: Лабораторная работа

Описание: Алгоритмы кластерного анализа для определения количества классов распознаваемых объектов. Выделение информативного набора признаков методом многомерного шкалирования. Построение ядер Мерсера для реализации линейного распознавателя.

1.5.1. Обучение нейронных сетей с помощью градиентного и стохастического методов. (АЗ: 4, СРС: 2)

Форма организации: Лабораторная работа

Описание: Алгоритмы проецирования решающих деревьев на нейронные сети. Алгоритмы обучения нейронных сетей. Применение сетей встречного распространения для решения задач классификации.

1.5.2. Моделирование и обучение нейронно-нечеткой системы управления. (АЗ: 4, СРС: 2)

Форма организации: Лабораторная работа

Описание: Алгоритмы нечеткого управления с нейронной сетью. Обучение нечетко-нейронного модуля с учителем. Оценка объема обучающей выборки и ошибок управления.

1. Типовые задания

Приложение 3
к рабочей программе дисциплины
«Обучающиеся технические системы »

Прикрепленные файлы

Экзамен (4 семестр).doc

Промежуточная аттестация №1

Экзамен (4 семестр)

Семестр: 4

Вид контроля: Э

Вопросы:

1. Основные задачи распознавания образов. Критерии эффективности распознавания.

2. Основные схемы адаптивных систем с идентификацией в контуре управления.

3. Теоремы об устойчивости адаптивных систем.

4. Регрессионный анализ. Теорема Маркова-Гаусса.

5. Модели временных рядов. Свойства моделей авторегрессии и скользящего среднего.

6. Модель авторегрессии-проинтегрированного-скользящего среднего (АРПСС). Ее основные свойства.

7. Методы параметрической идентификации АРСС модели.

8. Математические модели тренда временных рядов. Методы параметрической идентификации тренда.

9. Критерии адекватности АРСС моделей. Решающие правила по выбору модели.

10. ARX модели линейных систем. Основные свойства ARX моделей.

11. Методы параметрической идентификации ARX моделей.

12. Методы идентификации нелинейных систем. Теорема Такенса о погружении.

13. Обучающая выборка. Основные требования к выборке и методы ее формирования.

14. Линейный дискриминантный анализ. Методы и алгоритмы построения линейных дискриминантных функций.

15. Байесовский распознаватель. Алгоритмы обучения байесовского распознавателя.

16. Свойства распознавателей, построенных на основе минимизации среднего эмпирического риска. Теорема Гливенко.

17. Модели обучения и переобучения линейных распознавателей.

18. Понятие информативного набора признаков. Методы формирования информативного набора.

19. Метод комитетов. Построение оптимального набора линейных распознавателей.

20. Логические (дискретные) алгоритмы распознавания. Сложность задач синтеза логических правил.

21. Построение деревьев решений. Связь задачи построения деревьев решений с задачей покрытия булевских матриц.

22. Метод редукции в синтезе и анализе деревьев решений.

23. Построение взвешенных логических правил.

24. Методы обучения без учителя. Основные требования к обучающей выборке.

25. Непараметрическая регрессия. Основные типы ядер и их свойства.

26. Линейные распознаватели и ядра. Методы построения ядер.

27. Свойства ядер Мерсера и теорема о реализации.

28. Задача о расщеплении смесей вероятностных распределений. Подходы к ее решению на основе обучения распознавателя.

29. Методы кластерного анализа.

30. Методы неметрического шкалирования в разведочном анализе.

31. Основные типы искусственных нейронных сетей и их свойства.

32. Многослойные перцептроны. Теоремы Минского-Пейперта и Колмогорова.

33. Обучение нейронных сетей. Основные методы.

34. Основные понятия и определения теории нечетких множеств.

35. Основные правила нечеткого вывода.

36. Классические модули нечеткого управления.

37. Нечеткие деревья решений.

38. Структура нечетко-нейронных модулей управления. Основные методы их обучения.

39. Нечеткие сети Петри и их применение для реализации нечеткого вывода.

40. Средства автоматизации проектирования обучающихся систем распознавания.

41. Средства автоматизации проектирования и моделирования обучающихся нечетко-нейронных систем управления.

Версия: AAAAAAS+Z1Y Код: 000007592

Характеристики

Список файлов учебной работы