Тема 8. Применение нейронных сетей при решении задач..

Лабораторные занятия 8-11. 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.

2.4. Самостоятельная работа.

№№ п/п	Самостоятельная работа	Всего часов
1.	Подготовка к лабораторным занятиям	10
3.	Самостоятельное изучение учебных вопросов	6
4.	Подготовка к зачету	10
	Итого часов самостоятельной работы	26

2.5. Промежуточная аттестация и требования к уровню освоения дисциплины.

Примерный перечень вопросов к зачёту.

1. Существующие методы обработки и анализа данных.

2. История развития искусственных нейронных сетей.

3. Области применения искусственных нейронных сетей.

4. Проблемы и задачи, к решению которых применимы технологии искусственных нейронных сетей.

5. Базы данных. Обработка и анализ, различные методы.

6. Понятие искусственного интеллекта.

7. Компьютерные программы.

8. Средства «Data Mining».

9. Основные понятия и определения.

10. Биологический нейрон.

11. Структура и свойства искусственного нейрона.

12. Нейронная сеть.

13. Классификация нейронных сетей.

14. Однослойные и многослойные нейронные сети.

15. Теорема Колмогорова-Арнольда.

16. Работа Хехт-Нильсена.

17. Следствия из работ Колмогорова-Арнольда и Хехт-Нильсена.

18. Использование средств EXCEL для решения задач линейного планирования.

19. Архитектура (топология) нейронных сетей.

20. Виды функций активации.

21. Нейросети обратного распространения.

22. Нейросети встречного распространения.

23. Оценка необходимого числа нейронов в скрытых слоях.

24. Сети Кохонена.

25. Сети Хопфилда.

26. Нейроподобные системы автономного адаптивного управления.

27. Задачи, решаемые в контексте нейронных сетей.

28. Получение достоверной базы данных.

29. Выбор структуры нейронной сети.

30. Оценка необходимого числа нейронов в скрытых слоях.

31. Обучение нейронной сети.

32. Алгоритм обратного распространения ошибки.

33. Обучение нейросетей обратного распространения.

34. Проход вперед. Обратный проход.

35. Подстройка весов выходного слоя.

36. Подстройка весов скрытого слоя.

37. Схемы обучения нейронных сетей обратного распространения.

38. Проблемы обучения нейросетей.

39. Возможные недостатки при обучении (обощение, переобучение).

40. Примеры задач. Получение достоверных баз данных.

41. Обработка данных.

42. Средства «Data Mining».

43. Аналитическая платформа «Deductor».

44. Выбор структуры нейронной сети.

45. Обучение сети.

46. Критерии остановки работы сети.