Calcul Neuronal

8/16/2019 Calcul Neuronal

1/6

UNIVERSITATEA LIBER INTERNAIONAL DIN MOLDOVA

FACULTATEA INFORMATIC I INGINERIE

CATEDRA TEHNOLOGII INFORMAIONALE

I CALCULATOARE

PROGRAMA ANALITIC

Calcul NeuronalStudii universitare

Specialitatea: Tehnologii Informationale

Anul de studii: 4

Semestrul: 7

Numrul total de ore: 90

Numrul orelor de contact: 45dintre care: prelegeri – 30, laboratoare – 15

Numrul de ore individuale: 45

Credite ECTS: 5

Evaluare: examen

Programa a fost discutat i aprobat la edina catedrei

proces verbal nr. 1 din 01.09.2010

Decan facultate: dr. conf. univ., Iu. Dubcovechi

ef catedr : __________________________

Elaborat: dr. conf. univ. A. Diordiev


2/6

2

NOTA INTRODUCTIV.

Descrierea cursului

Una din direciile moderne de dezvoltare a tehnologiilor informaionale este aa numita

Inteligen Artificial, din cadrul creia o problematic este calculul neuronal, sau teoria

reelelor neuronale (neuronal networks). Acest curs reprezint o abordare sistematic introductiv în domeniul calculului neurona. Scopul cursului este aducerea la cunotina

studenilor a noiunilor de baz în acest domeniu i prezentarea unor aplicaii reprezintative

cu utilizarea reelelor neuronale.

Competene gnoseologice i praxiologice preliminare: Limbaje de programare,Programare C++, Inteligena Artificial.

Interdisciplinaritatea: Inteligena Artificial.

Poziionarea disciplinei în planul de studii: de specializare obligator i are un caracter practic.

OBIECTIVE FORMATIV/DEZVOLTATVE:

La finele predrii disciplinei de ctre profesor studenii trebuie s achiziionezeurmtoarele

COMPETEN E GNOSEOLOGICE

- opereze cu aparatul epistemologic (terminologic) al disciplinei

-

Clasificarea reelelor neuronale dup destinaia i topologia lor- cunoasc diferenele dintre diferite topologii ale reelelor neuronale-

identifice problemele care pot fi soluionate cu ajutorul reelelor neuronale

- recunoasc si s explice cauzele care duc la divergena soluiilor in procesul deinstruire a reelelor neuronale.

COMPETEN E PRAXOLGICE (APLICARE ÎN PRACTC )

- determine topologia optimal a reelei neuornale funcie de problematic

- gseasc parametrii optimali pentru instruirea reelei neuronale

- construiasc în Matlab modelul reelei neuronale i a algoritmului de instruire

-

determine corectitudinea de funcionare a reelei neuronale pentru soluionarea

problemei date

-

stabileasc prioritile i necesitatea de utilizare a diverselor topologii de reele

pentru soluionarea unei probleme specifice

COMPETEN E DE CERCETARE (DE CREARE)

-

gseasc topologii optimale pentru reelele neuronale utilizate in soluionarea

unor probleme

- optimizeze algoritmii de instruire a reelei neuronale

-

optimizeze aplicaiile în Matlab pentru modelarea i instruirea reelelorneuronale


3/6

3

-

programeze in diverse limbaje de programare modele de reele neuronale în

scopul aplicrii acestora in domenii practice

- Optimizarea codurilor pentru compatibilitatea pe diferite platforme d erulare

- propun soluii optimale pentru diverse scopuri.

CON INUTUL PROGRAMEI CONFORM GRILEI:

A) Prelegeri

No TemaForma

presentriiOre

1. Bazele reelelor neuronale artificiale.Modelul biologic i

matematic.

Interactiv 4

2. Perceptronul. Arhitectura perceptronului. .

. Reprezentarea i

separabilitatea claselor de obiecte.

Interactiv 2

3. Instruire perceptronului. Problemele de convergen aalgoritmului de instruire a perceptronului.

Interactiv 2

4. Arhitectura perceptronului multistrat. Metode de instruire

a acestuia.

Interactiv 2

5. Algoritmul de propagare invers a erorii. Interactiv 2

6.

Reele liniare ADALINE. Interactiv 2

7.

Instrumente si tehnici Matlab pentru modelarea reelelorneuronale. Interactiv 4

8.

Reele neuronale Hopfield i Hamming Interactiv 4

9. Reele recurente i reele asociative de memorare Interactiv 2

10. Autoorganizarea si autoinstruirea reelelor neuronale Interactiv 2

11. Alte topologii de reele neuronale Interactiv 4

TOTAL 30

B) LUCR RI DE LABORATOR

1.

Noiuni de baz Matlab pentru modelarea reelelor

neuronale.

Interactiv 4

2. Perceptronul. Interactiv 2

3. Perceptronul multistrat. Interactiv 2

4. Algoritmul de propagare invers a erorii Interactiv 2

5. Reele neuronale liniare ADALINE Interactiv 2

6.

Reele neuronale Hopfield i Hamming Interactiv 3TOTAL 15


4/6

4

SURSE BIBLIOGRAFCE:

Surse bibliografice obligatorii1. . ., . . .

: , 1986. N 59. — 20 .

2.

. ., ,

, 1998. .1, 1. . 12-24.

3.

. .,

, .: / . . , . . -

, . . . — : .

, 1998. — 296 ISBN 5-02-031410-2

4. Kohonen, T. (1989/1997/2001), Self-Organizing Maps, Berlin — New York:Springer-Verlag. First edition 1989, second edition 1997, third extended edition

2001, ISBN 0-387-51387-6, ISBN 3-540-67921-95.

. . . — : .

, 2000. — 180 .6.

. ., . ., . .,

, . .

. . 2. . 1999. .40. 5.

Bibliografie extins 7. . ., ., ,

// .: «» . . . .

. — .: . ., 1956. — .363-384. (

1943 .)

8.

. ., , , ?, -99, , 20 1999. : . ., : ,

, // . — .:. — 2000. — 4. — . 10-14. = Gorban A.N., Neuroinformatics:

What are us, where are we going, how to measure our way? The Lecture at the USA- NIS Neurocomputing Opportunities Workshop, Washington DC, July 1999

(Associated with IJCNN’99)

9. ., ., . — .: ,

1989. — 440 c.

10. Werbos P. J., Beyond regression: New tools for prediction and analysis in the

behavioral sciences. Ph.D. thesis, Harvard University, Cambridge, MA, 1974.

11. . . . — .:

», 1974.

12. Rumelhart D.E., Hinton G.E., Williams R.J., Learning Internal Representations by

Error Propagation. In: Parallel Distributed Processing, vol. 1, pp. 318—362.

Cambridge, MA, MIT Press. 1986.

13.

Martinetz, T.M., Berkovich, S.G., and Schulten K.J., Neural-gas network for vector

quantization and its application to time-series prediction. IEEE Transactions on

Neural Networks, 4 (1993) #4, 558—569. PCA14. Gorban A.N., Rossiyev D.A., Dorrer M.G., MultiNeuron — Neural Networks

Simulator For Medical, Physiological, and Psychological Applications, Wcnn’95,Washington, D.C.: World Congress on Neural Networks 1995 International Neural


5/6

5

Network Society Annual Meeting : Renaissance Hotel, Washington, D.C., USA, July

17-21, 1995.

15. . ., . ., . ., . .

–

// . — 2003. — . 72. — 7. — . 706-727.

16. . ., . ., . .

«» // (

. ). — 2006. — . 50. — . 86-96.

Surse Internet17. http://www.scorcher.ru/neuro/science/neurocomp/mem52.htm,

— 18.

http://www.intuit.ru/department/expert/neuro/10/ INTUIT.ru —

]19.

http://www.basegroup.ru/neural/practice.htm, - BaseGroup Labs —

20. http://www-isl.stanford.edu/~widrow/papers/j1964patternrecognition.pdf - Pattern

Recognition and Adaptive Control. BERNARD WIDROW

21. http://neurolectures.narod.ru/ -

22. http://neuroproject.ru/forum - ,

23.

http://www.basegroup.ru/forum/tech/category/neuralnets/ -

BaseGroup Labs

24.

http://www.basegroup.ru/library/analysis/neural/ -

25. http://www.softcraft.ru/neuro/ni/p00.shtml - . ., :.

.

ÎNTREB RI PENTRU EXAMEN

1. Noiuni de baz în reele neuronale artificiale

2. Modelul biologic i matematic al neuronului

3. Perceptronul, aplicaii

4.

Arhitectura perceptronului

5. Reprezentana i separabilitatea liniar a claselor în reele neuronale

6.

Metode de instruire a perceptronului

7. Probleme de convergen a algoritmilor de instruire a perceptronului

8. Arhitectura perceptronului monostrat9. Procedura de instruire prin propagare invers a erorii

10. Reele liniare ADALINE11.

Mijloace Matlab pentru modelarea reelelor neuronale

12. Modelarea Matlab a perceptronului monostrat13.

Modelarea reelelor ADALINE în Matlab

14.

Modelarea Matlab a perceptronului multistrat15. Posibilitile de modelare Matlab a algoritmului de propagare invers a erorii


6/6

6

STRATEGII DE EVALUARE:

Evaluare iniial, curent, final. lucr ri de laborator, examen.

Structura biletului de examinareI întrebare teoretic – 30 %

II întrebare teoretic – 30 %III întrebare cu aplicarea practic a competenelor teoretice – 40 %

La întrebarea teoretic - evaluarea competenelor gnoseologice:1. Expunerea logic, consecvent, convingtoare a materialului de program – 30%

2. Argumentarea opiniilor tiinifice consacrate, cu menionarea numelor notorii desavani în domeniu i referine la operele lor – 30%

3. Utilizarea propriilor argumente în baza cercetrilor individuale, realizate în afara programului, cu formularea unor raionamente i concluzii originale - 30%

4. Nivelul lingvistic al expunerii (utilizarea terminologiei tiinifice a disciplinei,stil, ortografie, limbaj) – 10%.

La întrebarea practic - evaluarea competenelor praxiologice:

1. Corectitudinea soluionrii problemei, studiului de caz 65%

2. Argumentarea textual a soluiei obinute – 15%

3. Originalitatea metodei de calculare (soluionare) a problemei – 20%.

Documents

Calcul Neuronal