Математичне моделювання та прогнозування експерименту
Спеціальність: Телекомунікації та радіотехніка
Код дисципліни: 8.172.00.O.005
Кількість кредитів: 3.00
Кафедра: Електронні засоби інформаційно-комп'ютерних технологій
Лектор: Проф. Романишин Юрій Михайлович
Семестр: 2 семестр
Форма навчання: денна
Результати навчання: У результаті вивчення навчальної дисципліни здобувач освіти повинен бути здатним продемонструвати такі результати навчання:
- знання основних понять та принципів математичного моделювання, методів дослідження математичних моделей;
- вміння побудувати математичну модель простої системи або процесу на основі фундаментальних фізичних законів;
- знання особливостей побудови та застосування регресійних моделей;
- знання особливостей побудови та застосування нечітких моделей;
- знання застосування штучних нейронних мереж як засобу математичного моделювання;
- знання можливостей існуючих програмних засобів математичного моделювання.
У результаті вивчення навчальної дисципліни здобувач освіти повинен бути здатним продемонструвати такі програмні результати навчання:
ЗН1 - здатність продемонструвати поглиблені знання і розуміння наукових і математичних принципів, що лежать в основі телекомунікацій та радіотехніки, включаючи методики проведення експериментів, збору та оброблення даних, методи та засоби моделювання;
ЗН2 - знання прикладних технологій телекомунікаційних та радіотехнічних систем, рівень цих знань повинен бути достатнім для проведення наукових досліджень на рівні останніх світових досягнень і направленим на їх розширення та поглиблення;
УМ2 - здатність вести спеціалізовані наукові семінари та публікувати наукові статті в основних наукових журналах у даній області;
УМ3 - здатність застосовувати знання і навички для ідентифікації, формулювання і вирішення технічних задач спеціальності, використовуючи відомі та створені методи;
УМ4 - здатність застосовувати знання і розуміння для розв’язування задач синтезу та аналізу в системах, які характерні обраній спеціальності;
УМ5 - системно мислити та застосовувати творчі здібності до формування принципово нових ідей;
УМ7 - здатність ефективно працювати як індивідуально, так і у складі команди;
УМ8 - здатність ідентифікувати, класифікувати та описувати роботу систем і їх складових;
УМ10 - уміння виконувати відповідні експериментальні дослідження та застосовувати дослідницькі навички за професійною тематикою;
КОМ1 - здатність ясно та ефективно описувати інтенсивні, глибокі й деталізовані результати наукової роботи;
КОМ3 - здатність до використання різноманітних методів, зокрема інформаційних технологій, для ефективного спілкування на професійному та соціальному рівнях.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Попередні навчальні дисципліни: Філософія і методологія науки
Супутні і наступні навчальні дисципліни: Методи наукових досліджень в телекомунікаціях
Методи оптимізації телекомунікаційних та радіоелектронних пристроїв і систем
Короткий зміст навчальної програми: В курсі розглядаються такі основні питання.
Основні поняття та принципи математичного моделювання. Класифікація моделей. Етапи математичного моделювання. Універсальність моделей. Загальні принципи побудови математичних моделей. Приклади задач побудови математичних моделей, аналіз їх особливостей та використовуваних при цьому наближень. Регресійні моделі.
Математичні моделі у формі звичайних диференціальних рівнянь та їх розв’язування засобами MATLAB.
Нечіткі моделі. Нечіткі множини та числа. Нечіткі відношення та висновки.
Побудова математичних моделей на основі штучних нейронних мереж.
Нейронні мережі прямого поширення зі зворотним поширенням похибки. Згорткові нейронні мережі. Застосування згорткових нейронних мереж для розпізнавання зображень.
Методи та критерії оцінювання: Оцінювання рівня досягнення результатів навчання здійснюється методами:
- оцінювання рівня готовності студентів до виконання практичних робіт;
- оцінювання уміння правильного виконання практичних робіт;
- оцінювання правильності оформлення звітів з практичних робіт;
- вибіркові опитування в процесі проведення лекційних та практичних;
- оцінювання знань в результаті виконання залікової роботи.
Рекомендована література: Базова:
1. Томашевський В.М. Моделювання систем. – К.: Видавнича група BHV, 2005. – 352 с.
2. Руденко О.Г., Бодянський Є.В. Штучні нейронні мережі: Навчальний посібник. – Харків: ТОВ “Компанія СМІТ”, 2006. – 404 с.
3. Ткаченко Р.О. Нейромережеві засоби штучного інтелекту: навч. посібник / Р.О. Ткаченко, П.Р. Ткаченко, І.В. Ізонін. - Львів: Видавництво Львівської політехніки, 2017. – 208 с.
4. Литвин В.В. Глибинне навчання: навч. посібник / В.В. Литвин, Р.М. Пелещак, В.А. Висоцька. – Львів: Видавництво Львівської політехніки, 2021. – 264 с.
5. Francois Chollet. Deep Learning with Python. Second edition. - Manning Publications Co. - 2021. - 504 pp.
Допоміжна:
1. Hayden Van Der Post. Keras. Master Deep Learning with Keras. - Reactive Publishing, 2024. - 575 pp.
2. Mohamed Elgendy. Deep Learning for Vision Systems. - Manning Publications Co. - 2020. - 480 pp.
Інтернет-ресурси:
1. http://www.scs.org/ - міжнародне товариство комп’ютерного моделювання.
2. http://www.simulation.org.ua/ - імітаційне моделювання систем.
3. http://www.simulationinformation.com/cms/ - Національний центр США з моделювання.
Інформаційні ресурси:
Конспект лекцій та методичні вказівки до практичних занять у ВНС.