Нейронные сети (ИПОВС) / 4 курс - Рычагов М.Н. / SP_Neyronnyie_Seti

УЧЕБНАЯ ДИСЦИПЛИНА «НЕЙРОННЫЕ СЕТИ»

1.ЛИТЕРАТУРА

1.Хайкин С. Нейронные сети. Полный курс. – Изд-во Вильямс, Москва, 2006. – 1104 с.

2.Каллан Р. Основные концепции нейронных сетей / Пер. с англ. — М.: Изд-во

«Вильямc», 2001. — 287 с.

3.Минский М., Пайперт С. Перцептроны. – М.: Мир, 1971. - 261 с.

4.Осовский С. Нейронные сети для обработки информации - Финансы и статистика,

Москва, 2004. – 344 с.

5.Головко В.А. Нейронные сети: обучение, организация и применение. Кн. 4. – М.:

ИПРЖР, 2001. - 256 с.

6.Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. – Изд-во Горячая линия - Телеком, Москва, 2007. – 452 с.

7.Лисовец Ю.П., Ревякин А.М., Рычагов М.Н., Терещенко С.А. Применение пакета MATLAB в лабораторном компьютерном практикуме. Учебное пособие. - М.: МИЭТ,

1998.

2.СОДЕРЖАНИЕ ДИСЦИПЛИНЫ

2.1.ЛЕКЦИОННЫЕ ЗАНЯТИЯ

Лекция 1. Введение. Нейронные сети как инструментарий интеллектуальных («smart») систем. Машинное обучение.

Лекция 2. Модели нейрона. Однослойный перцептрон. Логические нейронно-сетевые операции.

Лекция 3. Многослойный перцептрон. Реализация операции «Исключающее ИЛИ». Лекция 4. Обучение нейронной сети. Алгоритм обратного распространения.

Лекция 5. Нейронные сети с обратными связями. Ассоциативная память. Нейронная сеть Хопфилда.

Лекция 6. Сверточные нейронные сети. Глубинное обучение.

Лекция 7*. Генетические алгоритмы. Оптимизация запросов в базах данных. Настройка

иобучение нейронной сети.

2.2.ЛАБОРАТОРНЫЕ ЗАНЯТИЯ

Работа 1. Трудоемкость алгоритма обработки данных. Моделирование функций активации нейрона.

Работа 2. Нейрон Мак-Каллока-Питтса. Правило обучения Хэбба. Логические нейронно-сетевые операции.

Работа 3. Создание однонаправленной нейронной сети с помощью нейронно-сетевого инструментария MATLAB.

Работа 4. Изучение свойств многослойного персептрона. Алгоритм обратного распространения ошибки.

Работа 5. Нейронно-сетевое распознавание изображений (символов).

Работа 6. Изучение нейронной сети Хопфилда. Информационная емкость ассоциативной памяти.

3.ДОПОЛНИТЕЛЬНАЯ ЛИТЕРАТУРА

1.Розенблатт Ф. Принципы нейродинамики. Перцептроны и теория механизмов мозга. – М.: Мир, 1965. – 478 с.

2.Колмогоров А.Н. О представлении непрерывных функций нескольких переменных в виде суперпозиции непрерывных функций одного переменного // Докл. АН СССР. - 1957. - Т. 114, N 5 - С. 953 - 966.

3.Галушкин А.И. Синтез многослойных систем распознавания образов. — М.: Энергия,

1974.

4.Саттон Р., Барто Э. Обучение с подкреплением. – М.: Бином. Лаборатория знаний, 2012. – 400 с.

5.Вапник В., Червоненкис А. Теория распознавания образов - М.: Наука, 1974. – 416 с. Кохонен Т. Ассоциативная память. – М.: Мир, 1980. – 240 с.

6.Горбань А.Н. Обучение нейронных сетей. – М.: СП «ParaGraph», 1990. – 160 с.

7.Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6. – Диалог МИФИ, Москва, 2002. – 489 с.

8.Гуляев Ю, Галушкин А. Нейрокомпьютеры в системах обработки сигналов. – Радиотехника, Москва, 2003. – 224с.

9.Тархов Д.А. Нейронные сети. Модели и алгоритмы. Книга 18 - Радиотехника, Москва, 2005. – 256 с.

10.Тадеусевич Р., Боровик Б., Гончаж Т., Леппер Б. Элементарное введение в технологию нейронных сетей с примерами программ. Изд-во Горячая линия - Телеком, Москва, 2011. – 408 с.

11.Галушкин А.И. Нейронные сети. Основы теории – Изд-во Горячая линия - Телеком, Москва, 2012. – 496 с.

12.Мао Ж., Джейн Э. Введение в искусственные нейронные сети / Открытые системы, 1997, № 4.

13.Ревякин A.M. Графы, матроиды и их инженерные приложения.—М.: МИЭТ, 1991.— 178 с.

14.Бэстенс Д., Ван ден Берг В., Вуд Д. Нейронные сети и финансовые рынки: принятие решений. — Москва: ТВП,1997. — 236 c.