МИНОБРНАУКИ РОССИИ
федеральное государственное бюджетное образовательное учреждение высшего образования
«Алтайский государственный университет»

Нейроинформационные технологии

рабочая программа дисциплины
Закреплена за кафедройКафедра вычислительной техники и электроники
Направление подготовки09.04.01. Информатика и вычислительная техника
ПрофильНейроинформационные технологии и робототехнические системы
Форма обученияОчная
Общая трудоемкость4 ЗЕТ
Учебный план09_04_01_НТРС-2-2019
Часов по учебному плану 144
в том числе:
аудиторные занятия 54
самостоятельная работа 90
Виды контроля по семестрам
диф. зачеты: 1

Распределение часов по семестрам

Курс (семестр) 1 (1) Итого
Недель 19
Вид занятий УПРПДУПРПД
Лекции 18 18 18 18
Лабораторные 36 36 36 36
Сам. работа 90 90 90 90
Итого 144 144 144 144

Программу составил(и):
к.т.н., доцент, Шайдуров А.А.

Рецензент(ы):
к.ф.-м.н., доцент, Рудер Д.Д.

Рабочая программа дисциплины
Нейроинформационные технологии

разработана в соответствии с ФГОС:
Федеральный государственный образовательный стандарт высшего образования по направлению подготовки 09.04.01 ИНФОРМАТИКА И ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА (уровень магистратуры) (приказ Минобрнауки России от 30.10.2014г. №1420)

составлена на основании учебного плана:
09.04.01 Информатика и вычислительная техника
утвержденного учёным советом вуза от 25.06.2019 протокол № 9.

Рабочая программа одобрена на заседании кафедры
Кафедра вычислительной техники и электроники

Протокол от 26.06.2019 г. № 69/18-19
Срок действия программы: 2019-2020 уч. г.

Заведующий кафедрой
д.т.н., Седалищев Виктор Николаевич, профессор, заведующий кафедрой вычислительной техники и электроники


Визирование РПД для исполнения в очередном учебном году

Рабочая программа пересмотрена, обсуждена и одобрена для
исполнения в 2019-2020 учебном году на заседании кафедры

Кафедра вычислительной техники и электроники

Протокол от 26.06.2019 г. № 69/18-19
Заведующий кафедрой д.т.н., Седалищев Виктор Николаевич, профессор, заведующий кафедрой вычислительной техники и электроники


1. Цели освоения дисциплины

1.1.Формирование у будущих специалистов теоретических знаний и практических навыков по использованию современных компьютеров и программного обеспечения для решения широкого спектра задач в различных областях. Ознакомить студентов с основами теории искусственных нейронных сетей (ИНС). Привить навыки работы с различными технологиями создания ИНС. Изложить основные принципы проектирования ИНС.

2. Место дисциплины в структуре ООП

Цикл (раздел) ООП: Б1.В.ДВ.01

3. Компетенции обучающегося, формируемые в результате освоения дисциплины

ПК-2 знанием методов научных исследований и владение навыками их проведения
В результате освоения дисциплины обучающийся должен
3.1.Знать:
3.1.1.основные этапы развития информационных технологий;
основы построения и функционирования искусственных нейронных сетей (ИНС);
основные аспекты проблем построения и функционирования искусственных нейронных сетей;
разновидности и функциональные особенности методов искусственного интеллекта;
основы современных технологий проектирования интеллектуального ПО;
принципы построения и функционирования интеллектуального ПО;
3.2.Уметь:
3.2.1.создавать интеллектуальные системы;
проектировать и создавать интеллектуальное ПО;
3.3.Иметь навыки и (или) опыт деятельности (владеть):
3.3.1.владеть фундаментальными знаниями по основам теории ИНС и практическими навыками проектирования ИНС;
владеть технологией обработки, информации с использованием ИНС;
владеть практическими навыками работы с современными системами разработки ИНС для различных аппаратных платформ;

4. Структура и содержание дисциплины

Код занятия Наименование разделов и тем Вид занятия Семестр Часов Компетенции Литература
Раздел 1. Теоретическое обучение
1.1. Введение. Интеллектуальные системы и технологии. Исторический аспект. Лекции 1 2 Л1.1, Л2.1
1.2. История создания интеллектуальных технологий. Нейроны, нейронные сети и нейрокомпьютеры. Сам. работа 1 8 Л1.1, Л2.1
1.3. Основы теории искусственных нейронных сетей. Лекции 1 4 Л1.1, Л2.1
1.4. Биологический нейрон и его математическая модель. Задача обучения ИНС. Однослойные и многослойные ИНС. Персептрон и задача его обучения. Сам. работа 1 8 Л1.1, Л2.1
1.5. Многослойные ИНС и процедура обратного распространения ошибки. Лекции 1 4 Л1.1, Л2.1
1.6. Многослойные сети с прямыми связями. Теорема Арнольда-Колмогорова и результаты Хехт-Нильсена. Процедура обратного распространения ошибки. Сам. работа 1 8 Л1.1, Л2.1
1.7. Обучение без учителя. Лекции 1 4 Л1.1, Л2.1
1.8. Метод обучения Хэбба. Алгоритм обучения Кохонена. Сам. работа 1 8 Л1.1, Л2.1
1.9. ИНС Хопфилда и Хэмминга. Звезды Гроссберга и карты Кохонена. Лекции 1 4 Л1.1, Л2.1
1.10. ИНС Хопфилда и Хемминга. Сети встречного распространения. Сам. работа 1 8 Л1.1, Л2.1
Раздел 2. Лабораторный практикум
2.1. Освоение принципов создания и обучения нейронной сети на примере работы оболочки Neuropro. Лабораторные 1 8 Л2.1
2.2. Освоение принципов создания и обучения нейронной сети на примере работы оболочки Neuropro. Сам. работа 1 10 Л2.1
2.3. Простые нейронные сети. Персептрон. Лабораторные 1 4 Л2.1
2.4. Простые нейронные сети. Персептрон. Сам. работа 1 10 Л2.1
2.5. Нейронные сети: обучение без учителя. Лабораторные 1 8 Л2.1
2.6. Нейронные сети: обучение без учителя. Сам. работа 1 10 Л2.1
2.7. Нейронные сети: алгоритм обратного распространения. Лабораторные 1 8 Л2.1
2.8. Нейронные сети: алгоритм обратного распространения. Сам. работа 1 10 Л2.1
2.9. ИНС Хопфилда и Хэмминга. Звезды Гроссберга и карты Кохонена. Лабораторные 1 8 Л2.1
2.10. ИНС Хопфилда и Хэмминга. Звезды Гроссберга и карты Кохонена. Сам. работа 1 10 Л2.1
Раздел 3. Аттсетация

5. Фонд оценочных средств

5.1. Контрольные вопросы и задания для проведения текущего контроля и промежуточной аттестации по итогам освоения дисциплины
Изложить принцип работы персептрона.
Что такое персептронный нейрон, и каков принцип его действия?
В чем заключается проблема «ИСКЛЮЧАЮЩЕЕ ИЛИ»?
Изложите принцип линейной разделимости и пути его преодоления.
Какова эффективность запоминания информации персептроном?
Изложите принципы обучения персептрона.
Опишите алгоритм обучения персептрона.
Каким образом можно модифицировать алгоритм обучения персептрона?
Какие классы задач могут быть решены при помощи персептронных систем?
Охарактеризуйте алгоритмы обучения НС с учителем и без учителя.
Изложите сигнальную процедуру Хэбба для обучения НС.
Изложите дифференциальный метод обучения Хэбба.
Каковы недостатки алгоритмов Хэбба и как они преодолеваются?
Изложите алгоритм обучения Кохонена.
Каковы недостатки алгоритма обучения Кохонена?
Изложите основные концепции процедуры обратного распространения.
Изложите математические аспекты процедуры обратного распространения.
Изложите алгоритм процедуры обратного распространения.
Что можно сказать о емкости НС?
Каковы достоинства процедуры обратного распространения?
Каковы недостатки процедуры обратного распространения и как они преодолеваются?
Изложите основные концепции архитектуры сети Хопфилда.
Изложите основные концепции архитектуры сети Хемминга.
Изложите основные концепции архитектуры ДАП.
Что можно сказать о емкости приведенных выше НС?
Каковы достоинства процедуры сетей Хемминга и Хопфилда?
Каковы недостатки сетей Хопфилда, Хемминга, ДАП и как они преодолеваются?
5.2. Темы письменных работ для проведения текущего контроля (эссе, рефераты, курсовые работы и др.)
не требуется
5.3. Фонд оценочных средств для проведения промежуточной аттестации
Фонд оценочных средств представлен в электронном учебно-методическом комплексе по аддресу: http://portal.edu.asu.ru/course/view.php?id=387 (Единый образовательный портал АлтГУ)

6. Учебно-методическое и информационное обеспечение дисциплины

6.1. Рекомендуемая литература
6.1.1. Основная литература
Авторы Заглавие Издательство, год Эл. адрес
Л1.1 Н. В. Максимов, Т. Л. Партыка, И. И. Попов Современные информационные технологии: учебник М.: ФОРУМ, 2008
6.1.2. Дополнительная литература
Авторы Заглавие Издательство, год Эл. адрес
Л2.1 Радченко А.Н. Ассоциативная память. Нейронные сети. Оптимизация нейропроцессоров: СПб. : Наука, 1998 3
6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет"
Название Эл. адрес
Э1 www.gpntb.ru/ Государственная публичная научно-техническая библиотека.
Э2 www.nlr.ru/ Российская национальная библиотека.
Э3 www.nns.ru/ Национальная электронная библиотека.
Э4 www.rsl.ru/ Российская государственная библиотека.
Э5 www.microinform.ru/ Учебный центр компьютерных технологий «Микроинформ».
Э6 www.tests.specialist.ru/ Центр компьютерного обучения МГТУ им. Н.Э.Баумана.
Э7 www.intuit.ru/ Образовательный сайт
Э8 www.window.edu.ru/ Библиотека учебной и методической литературы
Э9 www.osp.ru/ Журнал «Открытые системы»
Э10 www.ihtika.lib.ru/ Библиотека учебной и методической литературы
Э11 news.rea.ru/portal/Departments.nsf/(Index)/Lib Библиотека Российской экономической академии им. Плеханова.
Э12 Курс в Мудле Нейроинформационные технологии portal.edu.asu.ru
6.3. Перечень программного обеспечения
В компьютерном классе должны быть установлены:
Visual Studio
Условия использования: https://code.visualstudio.com/license
LibreOffice
Условия использования: https://ru.libreoffice.org/about-us/license/
Microsoft Windows
7-Zip
AcrobatReader
6.4. Перечень информационных справочных систем
Электронная библиотечная система Алтайского государственного университета (http://elibrary.asu.ru/);

7. Материально-техническое обеспечение дисциплины

Аудитория Назначение Оборудование
001вК склад экспериментальной мастерской - помещение для хранения и профилактического обслуживания учебного оборудования Акустический прибор 01021; виброизмеритель 00032; вольтметр Q1202 Э-500; вольтметр универсальный В7-34А; камера ВФУ -1; компьютер Турбо 86М; масспектрометр МРС -1; осциллограф ЕО -213- 2 ед.; осциллограф С1-91; осциллограф С7-19; программатор С-815; самописец 02060 – 2 ед.; стабилизатор 3218; терц-октавный фильтр 01023; шкаф вытяжной; шумомер 00026; анализатор АС-817; блок 23 Г-51; блок питания "Статрон" – 2 ед.; блок питания Ф 5075; вакуумный агрегат; весы; вольтметр VM -70; вольтметр В7-15; вольтметр В7-16; вольтметр ВУ-15; генератор Г-5-6А; генератор Г4-76А; генератор Г4-79; генератор Г5-48; датчик колебаний КВ -11/01; датчик колебаний КР -45/01; делитель Ф5093; измеритель ИМП -2; измеритель параметров Л2-12; интерферометр ИТ 51-30; источник "Агат" – 3 ед.; источник питания; источник питания 3222; источник питания ЭСВ -4; лабораторная установка для настройки газовых лазеров; лазер ЛГИ -21; М-кальк-р МК-44; М-калькул-р "Электроника"; магазин сопротивления Р4075; магазин сопротивления Р4077; микроскоп МБС -9; модулятор МДЕ; монохроматор СДМС -97; мост переменного тока Р5066; набор цветных стекол; насос вакумный; насос вакуумный ВН-01; осциллограф С1-31; осциллограф С1-67; осциллограф С1-70; осциллограф С1-81; осциллоскоп ЕО -174В – 2 ед.; пентакта L-100; пирометр "Промень"; пистонфон 05001; преобразователь В9-1; прибор УЗДН -2Т; скамья оптическая СО 1м; спектограф ДФС -452; спектограф ИСП -51; стабилизатор 1202; стабилизатор 3217 – 4 ед.; стабилизатор 3218; стабилизатор 3222 – 3 ед.; станок токарный ТВ-4; усилитель мощности ЛВ -103 – 4 ед.; усилитель У5-9; центрифуга ВЛ-15; частотомер Ч3-54А; шкаф металлический; эл.двигатель; электродинамический калибратор 11032
Помещение для самостоятельной работы помещение для самостоятельной работы обучающихся Компьютеры, ноутбуки с подключением к информационно-телекоммуникационной сети «Интернет», доступом в электронную информационно-образовательную среду АлтГУ
Учебная аудитория для проведения занятий лекционного типа, занятий семинарского типа (лабораторных и(или) практических), групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации, курсового проектирования (выполнения курсовых работ), проведения практик Стандартное оборудование (учебная мебель для обучающихся, рабочее место преподавателя, доска)
209К лаборатория схемотехники и микропроцессорных систем - учебная аудитория для проведения занятий семинарского типа (лабораторных и(или) практических); проведения групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации Учебная мебель на 15 посадочных мест; рабочее место преподавателя; доски меловые 1шт. компьютеры: марка Aquarius модель Cel-2533 - 2 единицы; внутрисхемный программатор-отладчик PICkit 3 - 5шт.; компьютер Парус 945 - 13шт.; монитор 15"LG Flatron; монитор 17"Samsung 793 MB; набор PICkit 3; паяльная станция -5шт.; плата оценочная DEO-Nano - 8шт.;системный блок Celeron 2400$/ методические указания по выполнению лабораторных работ: Разработка микропроцессорных систем на базе микроконтроллера PIC16F84; Микроконтроллеры семейства MCS; Методы кодирования и сжатия информации

8. Методические указания для обучающихся по освоению дисциплины

Методические указания для студентов

Основной целью при изучении дисциплины является стремление показать области применения и формирование у будущих специалистов теоретических знаний и практических навыков по использованию современных персональных компьютеров и программных средств для решения широкого спектра задач в различных областях, а именно:

ознакомить студентов с основами организации и архитектуры искусственных нейронных сетей;
привить навыки работы с языками программирования для программных комплексов, реализующих искусственные нейронные сети;
изложить основные принципы проектирования искусственных нейронных сетей.

Основными задачами изучения дисциплины «Нейроинформационные технологии» являются:

овладение фундаментальными знаниями об основах организации и архитектуре искусственных нейронных сетей;
целостное представление о науке и ее роли в развитии информационных технологий;
владеть общими вопросами организации искусственных нейронных сетей для современных ЭВМ;
овладение технологиями программирования с использованием нейросетевого подхода;
углубление практических навыков работы на персональном компьютере (основы работы с различными инструментальными средствами для проектирования и искусственных нейронных сетей).

Для эффективного изучения теоретической части дисциплины «Нейроинформационные технологии» необходимо:

построить работу по освоению дисциплины в порядке, отвечающим изучению основных этапов, согласно приведенным темам лекционного материала;
систематически проверять свои знания по контрольным вопросам и тестам;
усвоить содержание ключевых понятий;
активно работать с основной и дополнительной литературой по соответствующим темам;
регулярно консультироваться с преподавателем, ведущим изучаемую дисциплину.

Для эффективного изучения практической части дисциплины «Нейроинформационные технологии» настоятельно рекомендуется:

систематически выполнять подготовку к практическим занятиям по предложенным преподавателем темам;
своевременно выполнять практические задания, подготавливать доклады или рефераты.

Методические рекомендации по самостоятельной работе

Самостоятельная работа студента, безусловно - один из важнейших этапов в подготовке магистров. Она приобщает студентов к исследовательской работе, обогащает опытом и знаниями, необходимыми для дальнейшего их становления как специалистов, прививает навыки работы с литературой.

Цель самостоятельной работы - систематизация, закрепление и расширение теоретических и практических знаний с использованием современных информационных технологий и литературных источников. Данная цель может быть достигнута при решении следующего круга задач:

изучение лекционного материала;
изучение дополнительных источников информации;
выполнение лабораторных работ.

Порядок начисления рейтинговых баллов по предмету
Работа с базами данных - 10 баллов
Прохождение тестов - 60 баллов
Выполнение лабораторных работ - 30 баллов

Формула перевода итоговой суммы баллов в традиционную оценку по дисциплине
отлично: 85 - 100 баллов;
хорошо: 70 - 84 балла;
удовлетворительно: 50 - 69 баллов;
не удовлетворительно: 0-49 баллов.

Правила аттестации для студентов, не набравших необходимый минимум баллов по дисциплине
Если студент, в ходе изучения дисциплины набрал 70 и более баллов, то он имеет право на выставление соответствующей оценки по экзамену без его сдачи.
Если студент набрал менее 70 баллов, то он должен сдавать экзамен (экзаменационный тест). Данный тест оценивается в диапазоне от 0 до 30 баллов. Полученные баллы суммируются к уже набранным и студенту выставляется итоговая оценка.