Пакет комплексних контрольних робіт

ПАКЕТ КОМПЛЕКСНИХ КОНТРОЛЬНИХ РОБІТ

З дисципліни «Нейронні мережі»

для студентів 3 курсу

 

Для напрямів: 050101 "Комп'ютерні науки",

050102 "Комп'ютерна інженерія"

 

 

Освітньо-кваліфікаційний рівень – спеціаліст, магістр

 

Денна форма навчання 1-ої зміни

 

 

Розробив: д.т.н., професор В.Я.Кутковецький

 

Розглянуто на засідання кафедри інформаційних технологій та програмних систем

Протокол №___ від «____» _______________2016 р.

 

Миколаїв 2016

 

 

Вказівки до виконання комплексної контрольної роботи

Контрольна робота з курсу «Нейронні мережі» представлена у 30 варіантах. Час на видачу завдання – 2 хв. Відповіді на запитання студентів – 3 хв. Виконання завдання комплексної контрольної роботи у письмовому вигляді – 90 хв. При усній відповіді час на підготовку завдання – 45 хв.

 

Оцінка результатів роботи

 

Підсумковий контроль.

Кожен варіант білету складається з трьох питань, які охоплюють всі розділи курсу, починаючи з основних теоретичних положень і закінчуючи синтезом цифрового автомату. У відповідності з розподілом навчальних аудиторних годин повна відповідь по кожному з питань оцінюється 13 балами. Сума балів округляється з точністю до цілих одиниць.

Система оцінювання знань студентів є однаковою для денної та денно-вечірньої форми навчання.

Оцінка в балах	Оцінка за національною шкалою	Оцінка за шкалою ЕСТS
		Оцінка	Пояснення
91-100	Відмінно	А	Відмінно (відмінне виконання лише з незначною кількістю помилок)
82-90	Добре	В	Дуже добре (вище середнього рівня з кількома помилками)
76-81		С	Добре (в загальному вірне виконання з певною кількістю суттєвих помилок)
67-75	Задовільно	D	Задовільно (непогано, але зі значною кількістю недоліків)
61-66		Е	Достатньо (виконання задовольняє мінімальним критеріям)
35-60	Незадовільно	FХ	Незадовільно (з можливістю повторного складання)
1-34		F	Незадовільно (з обов'язковим повторним курсом)

 

Залік оцінюється в 0...100 балів, які розподіляються наступним чином:

1. Курс лекцій у 0…30 балів, які мають наступні складові:

- звітування по курсу лекцій на заліках 0..20 балів;

- стан та ведення конспекту лекцій 0..5 балів;

- відвідини лекцій 0..5 балів.

2. Практичні роботи у 0..60 балів, які мають наступні складові:

- звітування за виконану роботу, вчасність звітування, оформлення 0..50 балів;

- відвідини занять 0..5 балів.

3. Дисципліна на заняттях 0..10 балів.

 

Рекомендована література

Рекомендована основна навчальна література

Основна література

1. Глибовець М.М., Олецький О.В. Штучний інтелект: Підручник для студентів внз. – Київ: Вид. дім «КМ Академія», 2002. – 366 с.

2. Бондарев Б.Н., Аде Ф.Г. Искусственный интеллект, Учебное пособие для вузов. – Севастополь: Изд-во СевНТУ, 2002. – 615 с.

3. Руденко О.Г., Бодянський С.В. Штучні нейронні мережі. – Харків: ТОВ «Компанія СМІТ», 2006. – 404 с.

4. Кохонен Т. Ассоциативные запоминающие устройства. - М.: Мир, 1982.

5. Кутковецький В.Я. Розпізнавання образів. –Миколаїв: Вид-во МДГУ ім. П.Могили, 2003. – 196 с

6. Кутковецький В.Я. Штучний інтелект. – Миколаїв: Вид-во Європейський університет, Миколаївська філія, 2005. –Ч. І – 158 с. –Ч. ІІ – 106 с. –Ч. ІІІ – 172 с.

7. Турти М.В. Теорія однозначних нечітких систем та нейронні мережі: Монографія. – Миколаїв: Вид-во Європейський університет, Миколаївська філія, 2007. – Ч. І – 140 с. –Ч. ІІ – 114 с.

Додаткова література

8. Искусственный интеллект. – В 3-х кн. Справочник / Под ред. Д.А. Поспелова. –М.:Радио и связь, 1990. Кн.1 – 464 с., Кн.2 – 304 с., Кн.3 – 368 с.

9. Винер Норберт. Кибернетика или управление и связь в животном и машине. М.: Советское радио, 1968. – 326 с.

10. Нейроинформатика / А.Н.Горбань, В.Л.Дунин-Барковский, А.Н.Кирдин и др. - Новосибирск: Наука. Сибирское предприятие РАН, 1998. - 296с.

11. Калан Роберт. Основные концепции нейронных сетей.: Пер. с англ. – М.: Издательский дом «Вильямс», 2003. – 288 с.

12. Нейроинформатика / А.Н.Горбань, В.Л.Дунин-Барковский, А.Н.Кирдин и др. - Новосибирск: Наука. Сибирское предприятие РАН, 1998. - 296с.

13. Hopfield J.J. Neural networks and physical systems with emergent collective computational abilities // Proc. Nat. Acad. Sci. USA. 1982. Vol. 79. P.2554-2558.

14. Кохонен Т. Ассоциативные запоминающие устройства. - М.: Мир, 1982.

 

Комплексні контрольні роботи денної форми навчання 1-ої зміни

 

 

ВМІСГ ПОСІБНИКА

Історія і напрямки застосування нейронних мереж.

Недоліки та переваги нейронних мереж.

Моделі штучних нейронів та нейронних мереж.

Математична нерівність вирішальної функції - основа роботи нейрону.

Класифікація нейронних мереж.

Нейронна мережа для керування судновою електроенергетичною системою.

Схема нейрона Adaline.

Логична функція AND.

Логичні функції OR, XOR, NOT.

Особливості вирішальних функцій та вирішальних правил.

Вирішальні функції та вирішальні правила для складного розміщення класів.

Апаратна реалізація вирішальних функцій та вирішальних правил.

Дельта-правило навчання нейрона.

Алгоритм зворотного розповсюдження похибки у процесі навчання.

Загальні відомості про навчання.

Функціональні особливості елементів персептрону.

Розділ перцептроном простору ознак.

Напрямки навчання.

Принцип дії та активаційні функції нейрона "Троянда".

Виділення складних ділянок у просторі ознак.

Типи нейронів "Троянда".

Моделювання логічної функції XOR одним нейроном "Троянда".

Логічні функції Т_AND та Т­_OR з багатьма входами протилежних логічних значень.

Вхідна і вихідна зірки Гроссберга.

Нейронна мережа MAXNET для кодування елементів вхідного вектора.

Апроксимація функцій нейронною мережею.

Нейрон для виведення формул.

Нейронна мережа з радіальними базовими функціями.

Мережа регресійного аналізу.

Нейронні мережі для виведення екстремального елемента з вхідного вектора.

Нейрони «T_MАХ» та «T_MIN» для двоїстого кодування елементів вхідного вектора з виділенням серед них екстремального значення.

Стохастичний нейрон.

Динамічна модель нейрона Хопфілда.

Нейронна мережа для стиснення інформації «КОД n:m:n».

Когнітрон та неокогнітрон.

Нейронна мережа Хопфилда.

Нейронна мережа Андерсона.

Нейронна мережа з вхідних зірок Гроссберга.

Двоспрямована асоціативна пам´ять.

Нейронна мережа Хемминга.

Нейронна мережа «Миколаїв».

Нейронна мережа опису детермінованих, нечітких, стохастичних та заданих функцій в n – вимірному просторі.

Самонавчальні нейронні мережі Кохонена для класифікації без учителя.

Самонавчальні мережі векторного квантування Кохонена.

Самоорганізуюча мапа Кохонена.

Аналітична геометрія n - вимірного простору.

Наочний аналіз n - вимірного простору.

Математичний опис n – вимірного простору.

Прямокутна система координат тілесних кутів на двовимірній мапі при n = ≤ 3.

Т – кути n - вимірного простору при n > 3.

Будування геометричних фігур у n – вимірному просторі на двовимірній мапі.

Сусідство Т- кутів.

Т – комірки n – вимірного простору.

Двовимірна мапа.

Теорія кластерів.

Нейронна мережа з використанням кластерів у вигляді тілесних комірок в n – вимірному просторі

Самонавчальна нейронна мережа з мапою.

Мережи зустрічного розповсюдження.

Адаптивна резонансна теорія нейронної мережі.

Початкові відомості з теорії статистичних рішень.

Ймовірності помилок класифікації одномірних образів двох класів.

Визначення коефіцієнта правдоподібності з врахуванням ризику рішення для одномірних образів двох класів.

Визначення класів з врахуванням коефіцієнта правдоподібності для одномірних образів двох класів при нормальному законі розподілу ознак.

Байєсовий вивід в інтелектуальних системах.

Умовні ймовірності.

Теорема Байєса.

Використання Байєсової формули для розпізнавання образів.

Використання формули Байєса для розпізнавання хвороб.

Використання формули Байєса для прогнозування дощу.

Теорія однозначних нечітких систем.

Чайові в ресторані.

Оплата працівника.

Апроксимація «невідомої» функції .

Соціальний стан на підприємстві.

Прибуток фірми у залежності від собівартості продукції та ціни на ринку.

Математична апроксимація графіка.

Класифікація та розпізнавання образів за допомогою нечітких систем.

ПАКЕТ КОМПЛЕКСНИХ КОНТРОЛЬНИХ РОБІТ