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
Завдання: Вивчення навчальної дисципліни передбачає формування у здобувачів освіти компетентностей:
загальні компетентності:
ІНТ - здатність розв’язувати складні спеціалізовані наукові задачі та практичні проблеми під час дослідницької діяльності у галузі телекомунікацій та радіотехніки або у процесі навчання, що передбачає застосування теорій та методів телекомунікацій та радіотехніки і характеризується комплексністю та невизначеністю умов;
ЗК5 – набуття систематичних знань сучасних методів проведення досліджень в галузі телекомунікації та радіотехніки, а також в суміжних галузях;
ЗК6 – оволодіння критичним аналізом, оцінкою та синтезом нових ідей;
ЗК7 – оволодіння здатністю ініціювати та проводити оригінальні наукові дослідження, ідентифікувати актуальні наукові проблеми, здійснювати пошук та критичне аналізування інформації, продукувати інноваційні конструктивні ідеї та застосовувати нестандартні підходи до вирішення складних і нетипових завдань;
фахові компетентності:
ФК1 – дослідницькі здатності в області телекомунікацій та радіотехніки. Компетентність виконувати оригінальні дослідження в телекомунікаційних та радіотехнічних системах і досягати наукових результатів, які створюють нові знання, із звертанням особливої уваги до актуальних задач/проблем та використанням новітніх наукових методів;
ФК4 - здатності аналізу даних. Компетентність моделювати та аналізувати дані проведених експериментів із дослідження систем телекомунікацій та радіотехніки із застосуванням обчислювальних ресурсів;
ФК5 - здатності до критики та оцінювання. Компетентність інтерпретувати результати експериментів та брати участь у дискусіях із досвідченими науковцями стосовно наукового значення та потенційних наслідків отриманих результатів.
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.
Опис: Тема 1. 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 та Simulink.
Тема 2. Нечіткі математичні моделі.
Програмні засоби нечіткого моделювання. Нечіткі множини та числа.
Нечіткі відношення та висновки.
Тема 3. Побудова математичних моделей на основі штучних нейронних мереж.
Програмні засоби Keras та TensorFlow. Нейронні мережі прямого поширення зі зворотним поширенням похибки.
Згорткові нейронні мережі.
Застосування згорткових нейронних мереж для розпізнавання (бінарної класифікації) зображень.
Застосування згорткових нейронних мереж для розпізнавання n-арної класифікації 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.
Критерії оцінювання результатів навчання: Поточний контроль:
Виконання практичних робіт - 3 х 8=24 бали
Захисти звітів з практичних робіт - 4 х 8=32 бали
Виконання залікової контрольної роботи – 44 бали
Бали за поточний контроль виставляються безпосередньо після виконання практичної роботи (до 3-х балів) та захисту звіту з практичного заняття (до 4-х балів). Кількість балів за письмову та усну компоненту залікової контрольної роботи (44 балів) виставляється протягом 3-х робочих днів після виконання контрольної роботи.
Семестрова оцінка та загальна кількість балів виставляються в перший тиждень сесійного контролю.
Порядок та критерії виставляння балів та оцінок: 100–88 балів – («відмінно») виставляється за високий рівень знань (допускаються деякі неточності) навчального матеріалу компонента, що міститься в основних і додаткових рекомендованих літературних джерелах, вміння аналізувати явища, які вивчаються, у їхньому взаємозв’язку і роз витку, чітко, лаконічно, логічно, послідовно відповідати на поставлені запитання, вміння застосовувати теоретичні положення під час розв’язання практичних задач; 87–71 бал – («добре») виставляється за загалом правильне розуміння навчального матеріалу компонента, включаючи розрахунки , аргументовані відповіді на поставлені запитання, які, однак, містять певні (неістотні) недоліки, за вміння застосовувати теоретичні положення під час розв’язання практичних задач; 70 – 50 балів – («задовільно») виставляється за слабкі знання навчального матеріалу компонента, неточні або мало аргументовані відповіді, з порушенням послідовності викладення, за слабке застосування теоретичних положень під час розв’язання практичних задач; 49–26 балів – («не атестований» з можливістю повторного складання семестрового контролю) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння застосувати теоретичні положення під час розв’язання практичних задач; 25–00 балів – («незадовільно» з обов’язковим повторним вивченням) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння орієнтуватися під час розв’язання практичних задач, незнання основних фундаментальних положень.
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.
Уніфікований додаток: Національний університет «Львівська політехніка» забезпечує реалізацію права осіб з інвалідністю на здобуття вищої освіти. Інклюзивні освітні послуги надає Служба доступності до можливостей навчання «Без обмежень», метою діяльності якої є забезпечення постійного індивідуального супроводу навчального процесу студентів з інвалідністю та хронічними захворюваннями. Важливим інструментом імплементації інклюзивної освітньої політики в Університеті є Програма підвищення кваліфікації науково-педагогічних працівників та навчально-допоміжного персоналу у сфері соціальної інклюзії та інклюзивної освіти. Звертатися за адресою:
вул. Карпінського, 2/4, І-й н.к., кімн. 112
E-mail: nolimits@lpnu.ua
Websites: https://lpnu.ua/nolimits https://lpnu.ua/integration
Академічна доброчесність: Політика щодо академічної доброчесності учасників освітнього процесу формується на основі дотримання принципів академічної доброчесності з урахуванням норм «Положення про академічну доброчесність у Національному університеті «Львівська політехніка» (затверджене вченою радою університету від 20.06.2017 р., протокол № 35).