Программа для учебного плана специальности №20. 05. 00 № IV icon

Программа для учебного плана специальности №20. 05. 00 № IV

Смотрите также:
Программа для учебного плана специальности №20. 05. 00 № IV...
Программа для учебного плана специальности №20. 05. 00 № IV...
Программа для учебного плана специальности 20. 05. 00 (мт-11) Объём работ, час...
Рабочая программа по курсу "Прокурорский надзор" цикла общепрофессиональных дисциплин учебного...
Программа вступительного испытания по предмету «Русский язык» Программа вступительных испытаний...
Программа вступительного испытания по предмету «Русский язык» Программа вступительных испытаний...
Программа для учебного плана специальности 200500 (мт-11) Объём работ, час...
Программа углубленного изучения математики для специализированных школ 10 класс...
Рабочая программа по Высшей математике наименование дисциплины для специальности...
Рабочая программа по дисциплине «Предпринимательская деятельность» для специальности 230700...
Учебная программа для специальностей 1-26 02 85 Логистика Факультет...
Рабочая программа по дисциплине “Моделирование и оптимизация инженерной защиты окружающей среды”...



скачать

Основы научных исследований № IV.10

Министерство образования Российской Федерации

Московский государственный технический университет им. Н.Э.Баумана

Шифр дисциплины















«Утверждаю»

Первый проректор  

проректор по учебной работе

МГТУ им. Н.Э. Баумана

_______________ Е.Г. Юдин

«___» «___________» 200_ г.


^ НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ

СЛОЖНЫХ ТЕХНИЧЕСКИХ ОБЪЕКТОВ


Программа для учебного плана специальности № 20.05.00 (№ IV-10)






Объём работ, час

Виды учебных работ

Всего

11сем







17 нед

Выделено на дисциплину







Аудиторная работа







Лекции







Семинары

-

-

Лабораторные работы

-

-

Самостоятельная работа

-

-

Домашнее задание

40

40

Сроки выполнения контрольных мероприятий (неделя выдачи – неделя сдачи)

Домашнее задание № 1

Домашнее задание № 2

10

30

10(6-8)

30(9-12)

Рубежный контроль № 1

Рубежный контроль № 2

Рубежный контроль № 3

4

4

4

(4)

(8)

(14)

Контроль знаний




экз



Кафедра «Электронные технологии в машиностроении»


Москва, 2003

Программа составлена на основании Государственного образовательного стандарта высшего профессионального образования в соответствии с требованиями к обязательному минимуму содержания основной образовательной программы по направлению подготовки дипломированного специалиста № 654100 «Электроника и микроэлектроника» по специальности № 20.05.00 «Электронное машиностроение».

Раздел 1. Цели и задачи дисциплины.

Основные цели дисциплины: формирование у студентов основных представлений:



подготовка к использованию нейросетевых технологий на разных этапах научных исследований


^ Задачами дисциплины является: изучение:



алгоритма решения задач в нейростевом базисе



способов предобработки данных для создания на их основе нейросетевой модели



основных типов архитектур нейронных сетей



способов обучения нейросетей



способов оценки качества обучения и работы нейросети и анализа данных

Раздел 2. Требования к уровню освоения содержания дисциплины.

2.1. Приобретаемые знания.

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

^ 2.2. Приобретаемые умения.

Студент должен 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 качество обучения и точность работы сети.

Понятия:

Сложная система, фактор, факторное пространство, функция отклика, стохастические процессы, детерминированные процессы.

Прогнозирование, регрессия, классификация, кластеризация

Формальный нейрон, персептрон, радиально-базисная функция, вероятностная сеть, обобщенно-регрессионная сеть, сеть Кохонена, линейная сеть

Обучающие данные, входной вектор, предобработка данных, обучающее, контрольное и тестовое множества

Ошибки обучения и обобщения, методы обучения, эпохи обучения, метод ранней остановки, методы обратного распространения, методы задания центров и отклонений, генетические алгоритмы

Статистики регрессии, статистики классификации


^ Методики расчета:

Методы теории вероятностей и математической статистики.

Методы оптимизации: случайного поиска, градиента

Кластерный анализ

Генетические алгоритмы

Метод главных компонент


^ Приборы и изделия

Изучение дисциплины основано на сочетании лекционного материала (с применением мультимедийных средств) с экспериментальными исследованиями, выполняемыми студентами в процессе Инженерного Практикума на технологическом оборудовании, которым оснащена кафедра: установках для нанесения тонких пленок в вакууме, установках для фотолитографии, установках для металлизации, контрольно-измерительном оборудовании; и использованием специализированного лицензионного программного обеспечения.


^ 2.3. Приобретаемые навыки.

Студент должен иметь навыки:



использования нейроимитаторов для проведения исследования в нейросетевом базисе.






написания реферативных обзоров по изучаемым разделам курса с элементами анализа, систематизации и обобщения;






^ Раздел 3. Содержание дисциплины.



п/п

Раздел дисциплины

Лекции,

ч.

УПР.,

ч.

ЛР,

ч.

Реком.

лит-ра




9 семестр




-

-




3.1.

Введение

3

-

-

[1,2]

3.2.

Алгоритм построения нейросетевой модели

3

-

-

[1]

3.3.

Методы подготовки обучающих нейросеть данных данных



7

-

-

[1, 2]

3.4.

Архитектура нейронных сетей


4

-

-

[1, 2 ]

3.5.

Обучение нейросетей

6

-

-

[1, 2]

3.6.

Оценка качества обучения и работы сети

6

-

-

[1,2]

3.7.

Обзор основных программных продуктов

4

-

-

[1]



Содержание разделов дисциплины:

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

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

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

3.4. 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.

3.5. 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.

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

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


Раздел 4. Практические занятия.

№ п/п

Номер р/дисц.

Сем.

Тема практического занятия

Объем, ч.

-

-

-

-

0



^ Раздел 5. Лабораторный практикум.

№ п/п

Номер р/дисц.

Сем.

Тема лабораторного практикума

Объем, ч.

-

-

-

-

0



^ Раздел 6. Самостоятельная работа.

№ п/п

Номер р/дисц.

Сем.

Тема самостоятельной работы

Объем, ч.

6.1.

3.1 – 3.7

9

Самостоятельная проработка курса лекций, подготовка к зачету и экзаменам.

24

6.2.

3.4

9

Домашнее задание 1. (Аппаратная реализация нейросетей). ( Выдача на 6-й неделе, сдача - на 8-й неделе)

5

6.3.

3.5

9

Домашнее задание 2. (Нейросетевое моделирование). (Выдача на 9-й неделе, сдача - на 14-й неделе).

10



Раздел 7. Курсовое проектирование, курсовая работа.

№ п/п

Номер р/дисц.

Сем.

Тема самостоятельной работы

Объем, ч.

-

-

-

-

0


Раздел 8. Учебно-методические материалы.

8.1. Рекомендуемая литература.

  1. Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры: Учеб.пособие для вузов. М.: Изд-во МГТУ им.Баумана, 2002. –320 с.

  2. Нейронные сети //STATISTICA – 450 c.

  3. Курс лекций NeuruShell/


Программа составлена: Булыгина Е.В., доцент, к.т.н.____________


Программа обсуждена и одобрена на заседании кафедры «Электронные технологии» МТ-11 7.02.2003 г.


Заведующий кафедрой МТ-11

Панфилов Ю.В.. ___________________ .200___ г.


Одобрена методической комиссией факультета «Машиностроительные технологии»


Председатель методической комиссии факультета «Машиностроительные технологии»

Гирш В.И.___________________ «____» __________ 200___ г.


Программа согласована с методическим отделом

Васильев Н.В. ___________________ «____» __________ 200____ г.

База данных защищена авторским правом © kursovaya-referat.ru 2017
При копировании материала укажите ссылку