КАТЕГОРИИ:
Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748)
Распределение учебных часов по темам, видам занятий
|
|
|
|
Практические занятия
Лабораторный практикум
Лабораторный практикум проводится в классе персональных ЭВМ. Используется программная среда Matlab, включающая в себя Neural Network Toobox и Simulink.
| № | Наименование лабораторных работ | Трудоемкость, ауд. ч. | Номер темы |
| 1. | Моделирование перцептрона в среде визуального моделирования Simulink. | 2 часа | 3,4 |
| 2. | Моделирование и обучение перцептрона с помощью функций Neural Network Toobox. | 2 часа | 7,8 |
| 3. | Моделирование программируемого ФНЧ для коррекции АЧХ канала связи. | 4 часа | |
| 4. | Компенсация переотражений в канале связи. | 3 часа | |
| 5. | Задача 1-шагового прогноза. | 2 часа | |
| 6. | Моделирование многослойной НС. | 4 часа | |
| 7. | Классификация сигналов с помощью состязательной НС. | 2 часа | |
| 8. | Классификация сигналов с помощью техники LVQ. | 3 часа | |
| ИТОГО | 22 часа |
| № | Наименование темы занятия | Трудоемкость, ауд. ч. | Номер темы |
| 1. | Введение. Техника нейронных сетей (НС) и ее применение. Модель нейрона. Архитектура и примеры простейших НС. | 4 часа | 1,2,3,4 |
| 2. | Обзор алгоритмов обучения НС. Парадигмы и алгоритмы обучения НС. | 8 часа | 5,6,7 |
| 3. | Решение задачи классификации с позиций нейробиологии. Псевдоинверсный и градиентный методы оценивания матрицы ассоциативной памяти. Перцептрон, обучение по методу коррекции ошибки. | 4 часа | 9,10,11 |
| 4. | Максимально-правдоподобная оценка синаптических весов перцептрона | 2 часа | |
| 5. | Адаптивные фильтры | 4 часа | |
| 6. | Алгоритмы адаптации по методу наименьших квадратов | 2 часа | |
| 7. | Применение МНК-алгоритмов для обучения многомерного перцептрона. Градиентные алгоритмы адаптации и их использование для обучения НС. | 2 часа | 15,16 |
| 8. | Многослойные нерекуррентные НС. Применение МНК-алгоритмов для обучения многослойной НС. | 4 часа | 17,18 |
| 9. | НС на радиально-базовых функциях. | 2 часа | |
| 10. | Самоорганизующиеся НС, состязательное обучение. | 2 часа | |
| 11. | Техника LVQ (Learning Vector Quantization). | 2 часа | |
| 12. | Обучение Хебба в самоорганизующихся НС. Информационно-теоретические модели самоорганизующихся систем. | 2 часа | 22,23 |
| 13. | Нейродинамические системы. Рекуррентные инерционные НС. | 4 часа | 24,25 |
| 14. | Модульно-экспертные НС. Заключение. | 2 часа | 26,27 |
| ИТОГО | 44 часа |
и видам самостоятельной работы
|
|
|
| № темы | Название разделов, тем рабочей программы и видов самостоятельной работы | Объем учебных часов | Сем. | Литература по темам | ||||||||
| Лекции | Лаб. работы | Практ. занятия. | Семинары | Ауд. занятия | Самост. Работа * | Всего | ||||||
| Всего | В инте-рактивн. форме | |||||||||||
| 1. | Введение. Техника нейронных сетей (НС) и ее применение. | - | - | - | - | Л1,Л2 | ||||||
| 2. | Модель нейрона. | - | - | - | - | Л1,Л2,Д2 | ||||||
| 3. | Архитектура НС. | - | - | - | Л1,Л2,Д2 | |||||||
| 4. | Примеры простейших НС. | - | - | Л1,Л2 | ||||||||
| 5. | Обзор алгоритмов обучения НС. | - | - | - | Л1,Л2 | |||||||
| 6. | Парадигмы обучения. | - | - | - | - | Л1,Л2 | ||||||
| 7. | Алгоритмы обучения. | - | - | Л1,Л2 | ||||||||
| 8. | Моделирование НС в среде Matlab с использованием функций Neural Network Toobox (NNT). | - | - | - | Л1,Л3,Д1 | |||||||
| 9. | Решение задачи классификации с позиций нейробиологии. | - | - | - | Л1,Л2 | |||||||
| 10. | Псевдоинверсный и градиентный методы оценивания матрицы ассоциативной памяти. | - | - | - | - | Л1,Л2 | ||||||
| 11. | Перцептрон, обучение по методу коррекции ошибки. | - | - | - | - | Л2,Л3,Д4 | ||||||
| 12. | Максимально-правдоподобная оценка синаптических весов перцептрона. | - | - | - | Л1,Л2 | |||||||
| 13. | Адаптивные фильтры. | - | - | Л2,Л3,Д1,Д4 | ||||||||
| 14. | Алгоритмы адаптации по методу наименьших квадратов. | - | - | - | - | Л1,Л2,Д4 | ||||||
| 15. | Применение МНК-алгоритмов для обучения многомерного перцептрона. | - | - | - | - | Л1,Л2,Д2,Д3 | ||||||
| 16. | Градиентные алгоритмы адаптации и их использование для обучения НС. | - | - | Л2,Л3,Д1,Д4 | ||||||||
| 17. | Многослойные нерекуррентные НС. | - | - | Л2,Л3,Д1 | ||||||||
| 18. | Применение МНК-алгоритмов для обучения многослойной НС. | - | - | - | - | Л1,Л2,Д2 | ||||||
| 19. | НС на радиально-базовых функциях. | - | - | - | - | Л1,Л2 | ||||||
| 20. | Самоорганизующиеся НС, состязательное обучение. | - | - | Л2,Л3,Д1 | ||||||||
| 21. | Техника LVQ (Learning Vector Quantization). | - | - | Л2,Л3,Д1 | ||||||||
| 22. | Обучение Хебба в самоорганизующихся НС. | - | - | - | - | Л1,Л2 | ||||||
| 23. | Информационно-теоретические модели самоорганизующихся систем. | - | - | - | Л1,Л2 | |||||||
| 24. | Нейродинамические системы. | - | - | - | - | Л1,Л2,Д2 | ||||||
| 25. | Рекуррентные инерционные НС. | - | - | - | Л1,Л2,Д2 | |||||||
| 26. | Модульно-экспертные НС. | - | - | - | - | Л1,Л2 | ||||||
| 27. | Заключение. | - | - | - | - | Л1,Л2 | ||||||
| Курсовой проект (работа) | - | - | - | - | ||||||||
| Индивид домашнее задание (реферат, доклад, расчетно-графическая работа,…) | - | - | - | - | Л1,Л2 | |||||||
| Подготовка к экзамену | - | - | - | |||||||||
| ИТОГО: | - | |||||||||||
|
|
|
|
|
|
|
|
Дата добавления: 2015-06-04; Просмотров: 271; Нарушение авторских прав?; Мы поможем в написании вашей работы!