Ви є тут

Головна

 

Мета та завдання навчальної дисципліни

Метою викладання навчальної дисципліни “Технологія та використання штучних нейронних мереж” є надання майбутньому спеціалісту чіткого розуміння про моделі і методи та програмні засоби для роботи із нейронними мережами, зокрема при вирішенні завдань побудови інтелектуальних систем.

Основними завданнями вивчення дисципліни “Технологія та використання штучних нейронних мереж” є надання студентам комплексу знань, необхідних для розуміння проблем, які виникають під час побудови та при використанні сучасних програмних систем, що вирішують інтелектуальні завдання, та ознайомити студентів з основними принципами побудови нейронних мереж. У процесі вивчення дисципліни у студента повинні сформуватися знання, уміння та навички, необхідні для створення програмних засобів із застосуванням нейронних мереж.

Згідно з вимогами освітньо-професійної програми студенти повинні:

знати:

  • нейромережні методи інтелектуальної обробки даних;
  • методи обробки результатів нейромоделювання;
  • критерії оцінювання точності і адекватності нейромоделей;
  • типи нейромоделей;
  • елементи теорії штучних нейромереж;
  • розподільні обчислення на основі нейронних мереж;
  • основні поняття та визначення нейроiнформатики;
  • моделi нейроелементiв та їхнi властивостi;
  • моделi та методи навчання штучних нейромереж;
  • сучаснi програмнi засоби для побудови нейромережевих моделей;
  • критерiї порiвняння моделей та методiв навчання нейромереж.

вміти:

  • володіти методами та технологіями організації та застосування даних у задачах штучного інтелекту;
  • застосовувати емпіричні методи та засоби інженерії програмних засобів для створення інтелектуальних cистем;
  • розв'язувати математичні задачі шляхом створення відповідних застосувань;
  • здійснювати вибір програмних засобів для вирішення задач штучного інтелекту;
  • порівнювати методи та моделі штучного інтелекту;
  • вирішувати задачі автоматизації підтримки прийняття рішень, розпізнавання образів, діагностики, rласифікації та аналізу даних;
  • аргументовано переконувати колег у правильності пропонованого рішення, вміти донести до інших свою позицію;
  • визначати та вимірювати атрибути якості моделей штучного інтелекту та програмних засобів, що їх реалізують;
  • використовувати методи ідентифікації та класифікації інформації;
  • ідентифікувати параметри математичної моделі, аналізувати адекватність моделі реальному об’єкту або процесу;
  • розробляти розподілені системи штучного інтелекту в умовах обмеження ресурсів та необхідності декомпозиції задач обробки інформації;
  • будувати моделі прийняття рішень на основі нейромереж ;
  • порівнювати методи навчання та моделі нейромереж;
  • вирішувати задачі автоматизації підтримки прийняття рішень, розпізнавання образів, діагностики, класифікації та аналізу даних на основі нейромереж.
  • обґрунтовувати та аналiзувати вибiр конкретного типу моделi та методу навчання нейромережi для вирiшення вiдповiдних практичних задач;
  • використовувати сучаснi програмнi засоби (пакети MATLAB, Statistica Neural Networks та iн.) для моделювання нейромереж та вирiшення оптимiзацiйних задач на основi еволюцiйного пiдходу;
  • створювати програми на мовi макросiв пакету MATLAB та алгоритмiчних мовах програмування для побудови та використання нейромережевих моделей багатомiрних залежностей за точковими даними;
  • здiйснювати пiдготовку та первинну обробку даних для побудови нейромережевих моделей;
  • використовувати нейроннi мережi та еволюцiйнi алгоритми для вирiшення практичних задач технiчної та бiомедичної дiагностики, прогнозування у економiцi, технiцi, соцiологiї.
  • подавати результати нейрообчислень у графічній та табличнiй формах;
  • аналiзувати результати побудови та використання нейромережевих моделей й вирiшення оптимiзацiйних задач на основi еволюцiйних алгоритмів.