IV. Материально-техническое обеспечение учебной дисциплины
Для закрепления навыков и умений, получаемых при усвоении данной дисциплины, используются все материально-технические средства факультета прикладной математики, физики информационных технологий: лекционные аудитории, классы, оборудованные мультимедийными средствами (электронная доска, проектор), доступ к сети Интернет. Факультет имеет читальный зал и абонемент, со всей необходимой для учебного процесса учебной и научной литературой.
№ п/п | Номер аудитории | Наименование специализированных аудиторий и лабораторий | Перечень оборудования | Краткое описание и характеристика состава установок, измерительно-диагностического оборудования, компьютерной техники и средств автоматизации экспериментов. |
Компьютерный класс | Проектор, мультимедийный экран, 10 компьютеров, объединенных в локальную сеть | Данный комплект оборудования позволяет проецировать схемы, таблицы, рисунки, информационный материал на экран большого формата. На компьютерах студенты выполняют лабораторные работы |
УТВЕРЖДАЮ Заведующий кафедрой математического анализа и дифференциальных уравнений профессор Мерлин А. В.. “____”_____________2010г. |
Приложение 1
МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ ПРЕПОДАВАТЕЛЮ
ПО ПРОВЕДЕНИЮ лабораторных ЗАНЯТИЙ ПО КУРСУ
СД.Р.15 «Нейронные сети в экономических исследованиях»
Лабораторные занятия являются одним из основных этапов в процессе обучения, составляя вместе с лекционным курсом единый комплекс подготовки специалиста.
Лабораторные занятия проводятся строго согласно учебному плану. Занятия требуют предварительной подготовки по соответствующей теме: изучения учебной и дополнительной литературы, подготовки набора задач для разбора со студентами на занятии.
Рекомендуется при этом вначале занятия использовать материал лекции, чтобы во-первых, ввести в рассмотрение необходимые теоретические положения, а во-вторых, наоборот, закрепить с помощью решения задач теоретический материал.
Планирование лабораторных занятий осуществляется с учётом установленного количества часов. Основные этапы планирования и подготовки занятий:
- Разработка системы занятий по разделам.
- Определение задач и целей занятия.
- Определение оптимального объема учебного материала, расчленение на ряд законченных в смысловом отношении блоков, частей.
- Разработка структуры занятия, определение его типа и методов обучения.
- Нахождение связей данного материала с другими дисциплинами и использование этих связей при изучении нового материала.
- Подбор дидактических средств.
- Определение объема и форм самостоятельной работы на занятии.
- Определение форм и методов контроля знаний студентов.
- Определение формы подведения итогов.
План проведения лабораторных занятий
Лабораторные занятия 1,2. Базы данных. Обработка и анализ, различные методы.
Лабораторное занятие 3. Знакомство с аналитической платформой «DEDUCTOR».
Лабораторные занятия 4,5. Построение нейронной сети в аналитической платформе «DEDUCTOR».
Лабораторные занятия 6,7. Построение нейронных сетей различной конфигурации в аналитической платформе «DEDUCTOR».
УТВЕРЖДАЮ Заведующий кафедрой математического анализа и дифференциальных уравнений профессор Мерлин А. В. “____”_____________2010г. |
Приложение 2
МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ СТУДЕНТАМ
ПО ВЫПОЛНЕНИЮ САМОСТОЯТЕЛЬНОЙ РАБОТЫ ПО КУРСУ
СД.Р.15 «Нейронные сети в экономических исследованиях»
Программа дисциплины «Нейронные сети в экономических исследованиях» предусматривает следующие виды самостоятельной работы студентов:
Подготовка к лабораторным занятиям – 10 часов
Самостоятельное изучение учебных вопросов – 6 часов
Подготовка к зачету – 10 часов
Подготовка к лабораторным занятиямвключает в себя проработку теоретического материала по теме занятия и выполнения домашней работы на компьютере.
При затруднении в решении задач необходимо обратиться к справочной литературе. Рекомендуется для самостоятельного изучения использовать следующие учебные пособия:
1. Федотов В. Х. Нейронные сети в экономике: учебное пособие / Федотов В. Х., [отв. ред. И. М. Петров] ; Чуваш. гос. ун-т им. И. Н. Ульянова - Чебоксары: Изд-во Чуваш. ун-та, 2006. - 298с.: ил.. - ISBN 5-7677-0879-7.
2. Круглов В. В. Искусственные нейронные сети: Теория и практика / Круглов В. В., Борисов В. В. - 2-е изд. - М.: Горячая Линия-Телеком, 2002. - 382с.: ил.. - ISBN 5-93517-031-0.
3. Барский А. Б. Нейронные сети: распознавание, управление, принятие решений: Финансы и статистика / Барский А. Б. - М.: Финансы и статистика, 2004. - 175с.: ил. - (Прикладные информационные технологии). - ISBN 5-279-02757-Х.
Также активно нужно использовать возможности сети Интернет и официальный сайт компании ООО «Аналитические технологии» http://www.basegroup.ru, на котором работает форум, где специалисты обмениваются опытом. Студенты могут задавать свои вопросы там.
Самостоятельное изучение учебных вопросовподразумевает работу с основной и дополнительной литературой, выполнение заданий преподавателя, дополняющих лекционный материал.
Подготовка к зачету подразумевает повторение тем изученных разделов, самостоятельное решение типовых задач, выносимых на зачетную работу.
Примерный перечень вопросов к зачету
- Существующие методы обработки и анализа данных.
- История развития искусственных нейронных сетей.
- Области применения искусственных нейронных сетей.
- Проблемы и задачи, к решению которых применимы технологии искусственных нейронных сетей.
- Базы данных. Обработка и анализ, различные методы.
- Понятие искусственного интеллекта.
- Компьютерные программы.
- Средства «Data Mining».
- Основные понятия и определения.
- Биологический нейрон.
- Структура и свойства искусственного нейрона.
- Нейронная сеть.
- Классификация нейронных сетей.
- Однослойные и многослойные нейронные сети.
- Теорема Колмогорова-Арнольда.
- Работа Хехт-Нильсена.
- Следствия из работ Колмогорова-Арнольда и Хехт-Нильсена.
- Использование средств EXCEL для решения задач линейного планирования.
- 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.
- Задачи, решаемые в контексте нейронных сетей.
- 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).
- Примеры задач. Получение достоверных баз данных.
- Обработка данных.
- Средства «Data Mining».
- Аналитическая платформа «Deductor».
- Выбор структуры нейронной сети.
- Обучение сети.
- Критерии остановки работы сети.
Литература.
№ | Название |
1. | Барский А. Б. Нейронные сети: распознавание, управление, принятие решений: Финансы и статистика / Барский А. Б. - М.: Финансы и статистика, 2004. - 175с.: ил. - (Прикладные информационные технологии). - ISBN 5-279-02757-Х. |
2. | Боровская Е. В. Основы искусственного интеллекта: учебное пособие / Боровская Е. В., Давыдова Н. А. - М.: Бином. Лаб. знаний, 2010. - 127с.: рис. - (Педагогическое образование). - ISBN 978-5-94774-480-4. |
3. | Галушкин А. И. Нейрокомпьютеры: учебное пособие для вузов по направлению подготовки бакалавров и магистров "Прикладные математика и физика" / Галушкин А. И. - М.: ИПРЖР, 2000. - 524с.: ил. - (Нейрокомпьютеры и их применение). - ISBN 5-93108-007-4. |
4. | Осовский Станислав. Нейронные сети для обработки информации: Финансы и статистика / Осовский Станислав, пер. с пол. И. Д. Рудинского - М.: Финансы и статистика, 2004. - 343с.: ил.. - ISBN 5-279-0267-4. |
5. | Рутковская Данута. Нейронные сети, генетические алгоритмы и нечеткие системы: Горячая линия-Телеком / Рутковская Данута, Пилиньский Мачей, Рутковский Лешек, пер. с пол. И. Д. Рудинского - М.: Горячая Линия-Телеком, 2007. - 383с.: ил.. - ISBN 5-93517-103-1. |
6. | Салахутдинов Р. З. Введение в теорию искусственных нейронных сетей: лекции : учебное пособие / Ин-т экономики, упр. и права (г. Казань), Салахутдинов Р. З. - Казань: Таглимат, 2006. - 135с.: рис.. - ISBN 5-8399-0212-8. |
7. | Усков А. А. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика: Горячая линия - Телеком / Усков А. А., Кузьмин А. В. - М.: Горячая линия - Телеком, 2004. - 143с.: ил.. - ISBN 5-93517-181-3. |
8. | Яхъяева Г. Э. Нечеткие множества и нейронные сети: учебное пособие / Яхъяева Г. Э. - М.: Интернет-ун-т информ. технологий, Бином. Лаб. знаний, 2006. - 315с.: ил. - (Основы информационных технологий). - ISBN 5-9556-0049-3. |