- •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.
2.2. Объем дисциплины и виды учебной работы.
№№ п/п |
Аудиторные занятия |
Лекции |
Практические занятия |
Лабораторные занятия |
Самостоятельная работа |
Всего часов |
|
Раздел 1. Интеллектуальные методы обработки и анализа данных |
|
|
|
|
|
1. |
Тема 1. Методы обработки и анализа данных |
4 |
|
2 |
2 |
8 |
2. |
Тема 2. Понятие искусственного интеллекта |
2 |
|
2 |
2 |
6 |
3. |
Тема 3. Средства «Data Mining» |
6 |
|
2 |
2 |
10 |
|
Раздел 2. Общие положения теории искусственных нейронных сетей. |
|
|
|
|
|
4. |
Тема 4. Основные понятия теории искусственных нейронных сетей. |
2 |
|
2 |
2 |
6 |
5. |
Тема 5. Теоретические основы искусственных нейронных сетей. |
2 |
|
2 |
2 |
6 |
6. |
Тема 6. Виды искусственных нейронных сетей |
2 |
|
2 |
2 |
6 |
|
Раздел 3. Применение нейронных сетей при решении социально-экономических проблем |
|
|
|
|
|
7. |
Тема 7. Этапы решения задач с использованием искусственных нейронных сетей |
4 |
|
2 |
2 |
8 |
8. |
Тема 8. Применение нейронных сетей при решении задач. |
0 |
|
8 |
12 |
20 |
|
Итого |
22 |
|
22 |
26 |
70 |
Вид промежуточной аттестации: зачет в 9 семестре.
Темы занятий и краткое содержание.
Тема 1. Методы обработки и анализа данных.
Лекции 1,2 Существующие методы обработки и анализа данных. История развития искусственных нейронных сетей. Области применения искусственных нейронных сетей.
Лабораторное занятие 1. Базы данных. Обработка и анализ, различные методы.
Тема 2. Понятие искусственного интеллекта.
Лекция 3. Проблемы и задачи, к решению которых применимы технологии искусственных нейронных сетей.
Лабораторное занятие 2. Базы данных. Обработка и анализ, различные методы.
Тема 3. Средства «Data Mining».
Лекции 4-6. Компьютерные программы. Средства «Data Mining». Аналитическая платформа «DEDUCTOR».
Лабораторное занятие 3. Знакомство с аналитической платформой «DEDUCTOR».
Тема 4. Основные понятия теории искусственных нейронных сетей
Лекция 7. Основные понятия и определения. Биологический нейрон. Структура и свойства искусственного нейрона. Нейронная сеть.
Лабораторное занятие 4. Построение нейронной сети в аналитической платформе «DEDUCTOR».
Тема 5. Теоретические основы искусственных нейронных сетей
Лекция 8. Теорема Колмогорова-Арнольда. Работа Хехт-Нильсена. Следствия из работ Колмогорова-Арнольда и Хехт-Нильсена.
Лабораторное занятие 5. Построение нейронной сети в аналитической платформе «DEDUCTOR».
Тема 6. Виды искусственных нейронных сетей
Лекция 9. 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.
Лабораторное занятие 6. Построение нейронных сетей различной конфигурации в аналитической платформе «DEDUCTOR».
Тема 7. Этапы решения задач с использованием искусственных нейронных сетей Лекции 10,11. 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).
Лабораторное занятие 7. Построение нейронных сетей различной конфигурации в аналитической платформе «DEDUCTOR».