Методи оптимізації нейронних мереж
Спеціальність: Комп'ютерний еколого-економічний моніторинг
Код дисципліни: 7.122.08.M.010
Кількість кредитів: 5.00
Кафедра: Інформаційних систем і технологій
Лектор: к.т.н., доцент Машевська М.В.
Семестр: 2 семестр
Форма навчання: денна
Результати навчання: У результаті вивчення навчальної дисципліни студент має:
знати:
поняття «штучних нейронних мереж»;
особливостей штучних нейронів, їх компонентів;
характеристики етапів розвитку штучних нейронних мереж;
класифікації і загальних характеристик штучних нейронів;
видів функцій активації, що набули поширення в штучних
нейронних мережах;
методології та технології проектування і розробки одношарових та багатошарових штучних нейронних мереж;
базових нейромережевих топології;
мереж рекурентного типу;
парадигм навчання;
алгоритмів навчання нейронних мереж;
- вміти:
застосовувати сучасні пакети програм моделювання методами
нейронних мереж;
визначати характеристики й вимоги до нейромережевої топології;
застосовувати базові архітектурні рішення для моделювання
економічних процесів;
здійснювати побудову нейронних мереж різної структури і
складності;
застосовувати моделі багатошарового персептрона для
класифікації лінійно-нероздільних векторів;
використовувати сучасні алгоритми навчання нейромереж;
розрізняти і моделювати методами нейронних мереж задачі
класифікації, розпізнавання образів, прогнозування одновимірної
функції, апроксимації багатовимірної функції;
проводити попередню обробку даних, що характеризують
економічні процеси;
застосувати нейронні мережі Кохонена для задач класифікації;
моделювати нейронні мережі з прямим і зворотнім напрямками
розповсюдження сигналів;
навички побудови моделей класифікації та прогнозування
поведінки соціально-економічних систем за допомогою сучасних пакетів прикладних програм нейромережевого моделювання.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Вища математика, Теорія імовірностей та
математична статистика
Короткий зміст навчальної програми: Моделi нейроелементiв. Метод навчання Уiдроу-Хоффа. Нейронні мережі прямого поширення. Градієнтні методи навчання. Повнозв’язні нейронні мережі. Нейроннi мережi Кохонена. Методи оптимізації нейронних мереж.
Методи та критерії оцінювання: Лабораторні роботи - 30.
Контрольна робота - 20.
Усне опитування - 30.
Письмова робота -20.
Рекомендована література: 1. Олійник А. О. Інтелектуальний аналіз даних : навчальний посібник / А. О. Олійник, С. О. Субботін, О. О. Олійник . – Запоріжжя : ЗНТУ, 2011. – 271 с.
2. Дубровiн В. I. Методи оптимiзацiї та їх застосування в задачах навчання нейронних мереж : навчальний посібник / В. I. Дубровiн, С. О. Субботiн . – Запорiжжя : ЗНТУ, 2003. – 136 с.
3. Прогрессивные технологии моделирования, оптимизации и интеллектуальной автоматизации этапов жизненного цикла авиационных двигателей : монография / [А. В. Богуслаев, Ал. А. Олейник, Ан. А. Олейник, Д. В. Павленко, С. А. Субботин] ; под ред. Д. В. Павленко, С. А. Субботина. – Запорожье : ОАО "Мотор Сич", 2009. – 468 с.
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).