Upload
madlened
View
213
Download
0
Embed Size (px)
Citation preview
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
8/16/2019 Calcul Neuronal
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
8/16/2019 Calcul Neuronal
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
8/16/2019 Calcul Neuronal
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
8/16/2019 Calcul Neuronal
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
8/16/2019 Calcul Neuronal
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%.