- •Сд.Р.15 «Нейронные сети в экономических исследованиях»
- •I. Организационно-методический раздел
- •1.1. Цель и задачи учебной дисциплины.
- •1.2. Место дисциплины в профессиональной подготовке выпускника
- •1.3. Требования к уровню освоения содержания дисциплины
- •II. Содержание дисциплины
- •2.1. Разделы дисциплины
- •2.2. Объем дисциплины и виды учебной работы.
- •Темы занятий и краткое содержание.
- •Тема 8. Применение нейронных сетей при решении задач..
- •2.4. Самостоятельная работа.
- •2.5. Промежуточная аттестация и требования к уровню освоения дисциплины.
- •III. Учебно-методическое и информационное обеспечение учебной дисциплины
- •3.1. Рекомендуемая основная литература.
- •3.2. Рекомендуемая дополнительная литература.
- •3.3. Программное обеспечение и Интернет-ресурсы.
- •IV. Материально-техническое обеспечение учебной дисциплины
- •Приложение 1
- •Сд.Р.15 «Нейронные сети в экономических исследованиях»
- •План проведения лабораторных занятий
- •Приложение 2
- •Сд.Р.15 «Нейронные сети в экономических исследованиях»
- •Примерный перечень вопросов к зачету
- •Литература.
1.3. Требования к уровню освоения содержания дисциплины
В результате освоения дисциплины, обучающийся должен
Знать:
- методологию интеллектуальной обработки и анализа данных;
- теоретические основы и топологию нейронных сетей;
- признаки классификации нейронных сетей;
- компьютерные программы интеллектуального анализа данных
Уметь:
- получать достоверные базы данных;
- проводить обработку данных;
- подбирать структуру нейронной сети согласно базе данных;
- анализировать полученное решение в рамках сделанных допущений и предположений;
- использовать пакеты прикладных программ, реализующих работу нейронной сети
Владеть:
- навыками сбора и обработки данных социально-экономических процессов;
- компьютерными средствами обработки информации;
- компьютерными программами интеллектуального анализа
II. Содержание дисциплины
2.1. Разделы дисциплины
№ п/п |
Наименование раздела дисциплины |
Содержание раздела |
1. |
Раздел 1. Интеллектуальные методы обработки и анализа данных |
Существующие методы обработки и анализа данных. История развития искусственных нейронных сетей. Области применения искусственных нейронных сетей. Проблемы и задачи, к решению которых применимы технологии искусственных нейронных сетей. Базы данных. Обработка и анализ, различные методы. Понятие искусственного интеллекта. Компьютерные программы. Средства «Data Mining». |
2. |
Раздел 2. Общие положения теории искусственных нейронных сетей. |
Основные понятия и определения. Биологический нейрон. Структура и свойства искусственного нейрона. Нейронная сеть. Классификация нейронных сетей. Однослойные и многослойные нейронные сети. Теорема Колмогорова-Арнольда. Работа Хехт-Нильсена. Следствия из работ Колмогорова-Арнольда и Хехт-Нильсена.Использование средств EXCEL для решения задач линейного планирования. Архитектура (топология) нейронных сетей. Виды функций активации. Нейросети обратного распространения. Нейросети встречного распространения. Оценка необходимого числа нейронов в скрытых слоях. Сети Кохонена. Сети Хопфилда. Нейроподобные системы автономного адаптивного управления. |
3. |
Раздел 3. Применение нейронных сетей при решении социально-экономических проблем.
|
Задачи, решаемые в контексте нейронных сетей. Получение достоверной базы данных. Выбор структуры нейронной сети. Оценка необходимого числа нейронов в скрытых слоях. Обучение нейронной сети. Алгоритм обратного распространения ошибки. Обучение нейросетей обратного распространения. Проход вперед. Обратный проход. Подстройка весов выходного слоя. Подстройка весов скрытого слоя. Схемы обучения нейронных сетей обратного распространения. Проблемы обучения нейросетей. Возможные недостатки при обучении (обощение, переобучение). Примеры задач. Получение достоверных баз данных. Обработка данных. Средства «Data Mining». Аналитическая платформа «Deductor». Эмулятор искусственной нейронной сети Newral Networks Wizard. Выбор структуры нейронной сети. Обучение сети. Критерии остановки работы сети. Анализ полученных результатов. |