Опис навчальної дисципліни

Анотація  навчальної   дисципліни:

Розглядаються поняття: класифікація базових нейроахітектур по типу алгоритмів навчання та архітектури зв’язків, математичні моделі нейрона, типи функцій активації та їх властивості, вибір функцій активації для різноманітних задач розпізнавання та класифікації, навчання з учителем, навчаючі пари, принципи вибору навчаючих пар та їх вплив на процес навчання, можливості одношарових персептронів, можливості багатошарових персептронів для аналізу даних, вибір функції активації, двохшарові персептрони, проблема функції заперечуючого АБО (XOR), подолання обмеження лінійної роздільності, градієнтне навчання багатошарових нейронів, метод зворотного (back-propagation) розповсюдження помилки, стохастичні методи навчання нейромереж, генетичні алгоритми навчання, адаптивна оптимізація архітектури мережі, валідація навчання, навчання без вчителя, прототипи задач, пониження розмірності даних, кластеризація потоку даних, нейрон – індикатор, правило навчання Хеба, правило навчання Ойа, кластеризація і квантування, алгоритм Кохонена, мережі радіального базису, гібридне навчання, нейромережі із зворотніми зв’язками, асоціативна пам’ять на основі мережі Гопфілда, властивості нейромережі Гопфілда при різних алгоритмах навчання, завадостійкість нейромережі Гопфілда, мережі зустрічного поширення, навчання шару Кохенена, навчання шару Гросберга, вибір початкових ваг, стиснення даних.

В результаті вивчення цього курсу студент повинен

знати:

• Переваги та проблеми при використанні нейромереж при обробці інформації;

• Особливості використання нейромережевого підходу для вирішення різноманітних задач опрацювання інформації

вміти:

• створювати емулятори та проводити аналіз роботи простих нейромереж;
• мати навики експлуатації програм емуляції нейромережевих структур обробки інформації.