Нейронные сети - Томский политехнический университет

УТВЕРЖДАЮ
Директор ИК
__________А. А. Захарова
«___» ____________2015 г.
БАЗОВАЯ РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ
НЕЙРОННЫЕ СЕТИ
Направление ООП: 15.03.06 «Мехатроника и робототехника»
Профиль подготовки: «Интеллектуальные робототехнические
и мехатронные системы»
Квалификация (степень): бакалавр
Базовый учебный план приема: 2015 г.
Курс 4 семестр 7
Количество кредитов 3
Код дисциплины Б1.ВМ5.1.5.2
Виды учебной
деятельности
Лекции, ч
Практические занятия, ч
Лабораторные занятия, ч
Аудиторные занятия, ч
Самостоятельная работа, ч
ИТОГО, ч
Временной ресурс по очной форме обучения
16
16
32
76
108
Вид промежуточной аттестации: зачет
Обеспечивающее подразделение: кафедра интегрированных компьютерных
систем управления (ИКСУ)
Заведующий кафедрой ИКСУ __________
А.В. Лиепиньш
Руководитель ООП
Т.Е. Мамонова
___________
(ФИО)
(ФИО)
Преподаватель
___________
2015 г.
Т.Е. Мамонова
(ФИО)
1. Цели освоения дисциплины
Изучение дисциплины «Нейронные сети» направлено на достижение
следующих целей ООП 15.03.06 «Мехатроника и робототехника».
Ц2
Ц3
Ц5
Подготовка выпускников к проектно-технологической деятельности в
области создания средств и систем мехатроники и робототехники с
использованием
современных
инструментальных
средств
и
информационных технологий.
Подготовка выпускников к комплексным инженерным исследованиям для
решения задач, связанных с разработкой аппаратных и программных
средств объектов мехатроники и робототехники.
Подготовка выпускников
к самообучению
и
непрерывному
профессиональному самосовершенствованию.
2. Место дисциплины в структуре ООП
Дисциплина «Нейронные сети» входит в вариативную часть
математического и естественнонаучного цикла дисциплин.
ПРЕРЕКВЕЗИТЫ – дисциплины «Информатика», «Программные
средства математических расчетов» «Информационные технологии»,
«Математический анализ 1.3», «Линейная алгебра и аналитическая геометрия
1.3, «Математика 2.3». В процессе изучения «Информатики» и
«Информационные технологии» у студента формируется база знаний по
основам программирования на языке высокого уровня, умение
воспроизводить алгоритм работы программы в виде блок-схемы, применять
основные принципы алгоритмизации и программирования, уметь работать в
средах MathCAD, MatLab при решении задач. Дисциплины «Математический
анализ 1.3», «Линейная алгебра и аналитическая геометрия 1.3» дают
студенту базовые знания о выполнении математических расчетов, таких как
дифференцирования, интегрирования функций, определения корней
уравнений и систем уравнений, работе с матрицами, а также общем виде и
классификации графиков функций и поверхностей.
КОРЕКВЕЗИТЫ – дисциплины
«Электроника»,
«Автоматизация
управления жизненным циклом продукции».
Дисциплина «Нейронные сети» обеспечивает развитие профессионально
значимых умений и опыта деятельности, необходимых при изучении
дисциплин профессионального цикла, выполнения УИРС, НИРС и ВКР.
3. Результаты освоения дисциплины
В соответствии с требованиями ООП освоения дисциплины
«Искусственный интеллект и нейросетевое управление» направлено на
формирование у студентов следующих компетенций, в том числе в
соответствии с ФГОС:
Общекультурные компетенции (ОК):
способностью к коммуникации в устной и письменной формах на
русском и иностранном языках для решения задач межличностного и
межкультурного взаимодействия (ОК-5);
способностью к самоорганизации и самообразованию (ОК-7);
Общепрофессиональные компетенции (ОПК):
способностью представлять адекватную современному уровню знаний
научную картину мира на основе знания основных положений, законов и
методов естественных наук и математики (ОПК-1);
готовностью
собирать,
обрабатывать,
анализировать
и
систематизировать научно-техническую информацию по тематике
исследования, использовать достижения отечественной и зарубежной науки,
техники и технологии в своей профессиональной деятельности (ОПК-4);
Профессиональные компетенции (ПК):
способностью составлять математические модели мехатронных и
робототехнических систем, их подсистем и отдельных элементов и модулей,
включая
информационные,
электромеханические,
гидравлические,
электрогидравлические, электронные устройства и средства вычислительной
техники (ПК-1);
способностью разрабатывать программное обеспечение, необходимое
для обработки информации и управления в мехатронных и
робототехнических системах, а также для их проектирования (ПК-2);
способностью осуществлять анализ научно-технической информации,
обобщать отечественный и зарубежный опыт в области средств
автоматизации и управления, проводить патентный поиск (ПК-4);
способностью
проводить
вычислительные
эксперименты
с
использованием стандартных программных пакетов с целью исследования
математических моделей мехатронных и робототехнических систем
(ПК6);
способностью производить расчёты и проектирование отдельных
устройств и подсистем мехатронных и робототехнических систем с
использованием стандартных исполнительных и управляющих устройств,
средств автоматики, измерительной и вычислительной техники в
соответствии с техническим заданием (ПК-10);
Составляющие результатов обучения, которые будут достигнуты при
изучении дисциплины «Нейронные сети» представлены в таблице 1.
Таблица 1
Составляющие результатов обучения,
которые будут получены при изучении данной дисциплины
Результаты
обучения
Код
Р2
З.2.1
Р3
З.3.3
Составляющие результатов обучения
Знания
Код
Умения
Код
– программнотехнических
средств,
используемых
для обработки
информации
робототехничес
ких систем
– основных
понятий
искусственного
интеллекта,
информациионных моделей
знаний
У.2.1
У.3.3
– использовать
программнотехнические
средства для
построения
мехатронных и
робототехнически
х систем
– применять
методы
искусственного
интеллекта в
области
робототехники
В.2.1
В.3.3
Владение
опытом
– применения
программнотехнических
средств для
построения
мехатронных и
робототехнически
х систем
– применения
методов
искусственного
интеллекта в
области
робототехники
Планируемые результаты освоения дисциплины «Нейронные сети»
показаны в таблице 2.
Таблица 2
Планируемые результаты освоения дисциплины
№ п.п.
РД1
РД2
РД3
РД4
Результаты
Знать об основных понятиях, используемых в научном направлении «Искусственный
интеллект», об областях его практического использования и проблемах, связанных с
его реализацией;
Знать о принципах построения систем управления с нечеткой логикой, экспертных
систем и систем нейросетевого управления, о новых технологиях решения задач
управления, связанных с использованием средств и методов искусственного
интеллекта;
Уметь использовать основные методы и алгоритмы построения систем
искусственного интеллекта, систем управления с нечеткой логикой, экспертных
систем и систем нейросетевого управления;
Владеть опытом разработки и эксплуатации систем управления, обладающими
элементами искусственного интеллекта;
4. Структура и содержание дисциплины
Раздел 1. Базовые понятия искусственного интеллекта (ИИ) (6 часа)
Мышление и интеллект. Определение искусственного интеллекта.
Терминология. Философские аспекты, проблемы систем искусственного
интеллекта (возможность существования, безопасность, полезность).
История и перспективы развития систем ИИ, области их практического
использования. Архитектура и основные составные части систем ИИ.
Раздел 2. Нейронные сети (10 часов)
Нейрон и его модели. Простейший персептрон. Системы типа Адалайн.
Адалайн с сигмоидой на выходе. Классификация искусственных нейронных
сетей. Статические линейные однослойные нейронные сети. Статические
многослойные нейронные сети. Алгоритмы обучения статических многослойных нейронных сетей. Динамические алгоритмы обучения многослойных нейронных сетей. Алгоритм обратного распространения ошибки.
Перечень лабораторных работ (16 часов)
1. Программный пакет Neural Networks Toolbox Matlab 6.5.
Назначение и обзор (4 часа).
2. GUI-интерфейс для пакета Neural Networks Toolbox
программной среды Matlab 6.5. (4 часа).
3. Использование Simulink при построении нейронных сетей. (8 часов)
6. Организация и учебно-методическое обеспечение
самостоятельной работы студентов
6.1. Виды и формы самостоятельной работы
Самостоятельная работа студентов включает текущую и творческую
проблемно-ориентированную самостоятельную работу (ТСР).
Текущая СРС направлена на углубление и закрепление знаний
студента, развитие практических умений и включает:
– работа с лекционным материалом,
– подготовка к лабораторным работам с использованием сетевого
образовательного ресурса;
– опережающая самостоятельная работа;
– изучение тем, вынесенных на самостоятельную проработку;
– подготовка к контрольной работе, экзамену.
Творческая самостоятельная работа включает:
– поиск, анализ, структурирование и презентация информации;
– исследовательская работа и участие в научных студенческих
конференциях, семинарах;
– анализ
научных
публикаций
по
заранее
определенной
преподавателем теме.
Самостоятельная работа студентов по дисциплине "Искусственный
интеллект" планируется в объеме 76 часов и включает в себя:
- регулярное закрепление лекционного материала (10 часов);
- подготовку к выполнению лабораторных работ (26 часа);
- подготовку отчетов по лабораторным работам (10 часов);
- ознакомление с содержанием отечественных и зарубежных периодических изданий по искусственному интеллекту и написание реферата на
заданную тему (18 часов);
- подготовку к зачету (6 часов).
6.3. Контроль самостоятельной работы
Оценка результатов самостоятельной работы организуется следующим
образом:
– сдача двух контрольных работ по текущему материалу;
– защита лабораторных работ;
– результаты выступления на конференции;
– результаты участия студентов в олимпиадах.
– результаты выполнения реферата.
При выполнении самостоятельной работы рекомендуется использовать:
– материалы, размещенные на персональном сайте преподавателя:
http://portal.tpu.ru/SHARED/s/STEPTE
7. Средства текущей и промежуточной оценки качества
освоения дисциплины
Оценка качества освоения дисциплины «Нейронные сети» производится
по результатам контролирующих мероприятий, представленных в таблице 3.
Таблица 3
Контролирующие мероприятия дисциплины
Контролирующие мероприятия
выполнение и защита лабораторных работ
выполнение контрольных работ
выполнение реферата
зачет
Результаты обучения по дисциплине
РД1, РД2, РД3, РД4
РД1, РД2, РД3
РД1, РД2, РД3
РД1, РД2, РД3, РД4
Для оценки качества освоения дисциплины при проведении
контролирующих мероприятий предусмотрены следующие средства (фонд
оценочных средств).
Вопросы к зачёту (примеры)
1. Представьте схему искусственного нейрона, опишите его состав;
2. Представьте структуры наиболее распространённых искусственных
нейронных сетей (ИНС);
Опишите и проиллюстрируйте процесс обучения НС;
Опишите δ-правило обучения ИН;
Опишите правило Хебба обучения ИН;
Перечислите алгоритмы обучения нейронных сетей;
Приведите
пошаговое
описание
алгоритма
обратного
распространения обучения ИНС;
8. В каких задачах применяются ИНС, представьте этапы нейросетевого
проекта;
8. Рейтинг качества освоения дисциплины
3.
4.
5.
6.
7.
Оценка качества освоения дисциплины «Нейронные сети» в ходе
текущей и промежуточной аттестации обучающихся осуществляется в
соответствии с «Руководящими материалами по текущему контролю
успеваемости, промежуточной и итоговой аттестации студентов Томского
политехнического университета», утвержденными приказом ректора № 77/од
от 29.11.2011 г.
В соответствии с «Календарным планом изучения дисциплины»:
 текущая аттестация (оценка качества усвоения теоретического
материала (ответы на контрольные вопросы) и результаты
практической деятельности (решение задач лабораторных работ)
производится в течение семестра (оценивается в баллах (максимально
60 баллов), к моменту завершения семестра студент должен набрать не
менее 33 баллов);
 промежуточная аттестация (зачет) производится в конце семестра
(оценивается в баллах (максимально 40 баллов), на зачете студент
должен набрать не менее 22 баллов).
Итоговый рейтинг по дисциплине определяется суммированием баллов,
полученных в ходе текущей и промежуточной аттестаций. Максимальный
итоговый рейтинг соответствует 100 баллам.
9. Учебно-методическое и информационное обеспечение дисциплины
Основная литература
1. Жданов, Александр Аркадьевич. Автономный искусственный
интеллект / А. А. Жданов. – 2-е изд. – Москва: БИНОМ. Лаборатория
знаний, 2013. – 359 с.
2. Советов, Борис Яковлевич. Интеллектуальные системы и технологии:
учебник / Б. Я. Советов, В. В. Цехановский, В. Д. Чертовской. – Москва:
Академия, 2013. – 320 с.
3. Рутковсая, Данута. Нейронные сети, генетические алгоритмы и
нечеткие системы: пер. с пол. / Д. Рутковская, М. Пилиньский, Л.
Рутковский. – 2-е изд., стер. – Москва: Горячая линия-Телеком, 2013. – 384
с.
4. Дорогов, Александр Юрьевич. Теория и проектирование быстрых
перестраиваемых преобразований и слабосвязанных нейронных сетей / А. Ю.
Дорогов. – Санкт-Петербург: Политехника, 2014. – 325 с.
Дополнительная литература
1. Ездаков, Андрей Леонидович. Экспертные системы САПР: учебное
пособие / А. Л. Ездаков. – Москва: Форум, 2014. – 159 с.
2. Спицын, Владимир Григорьевич. Интеллектуальные системы
[Электронный ресурс]: учебное пособие / В. Г. Спицын, Ю. Р. Цой;
Национальный исследовательский Томский политехнический университет
(ТПУ), Институт кибернетики (ИК), Кафедра вычислительной техники (ВТ).
– 1 компьютерный файл (pdf; 1.6 MB). – Томск: Изд-во ТПУ, 2012. –
Заглавие с титульного экрана. – Доступ из корпоративной сети ТПУ. –
Системные
требования:
Adobe
Reader.
URL:
http://www.lib.tpu.ru/fulltext2/m/2012/m428.pdf
10. Материально-техническое обеспечение дисциплины
Материально-техническое обеспечение дисциплины «Нейронные сети»
(табл. 4).
Таблица 4
Материально-техническое обеспечение дисциплины
№
п/п
1
2
3
4
Наименование (компьютерные классы, учебные
лаборатории, оборудование)
Компьютерный класс
Компьютерный класс
Компьютерный класс с мультимедиа
Компьютерный класс с мультимедиа
Корпус, ауд.,
количество
установок
к. 10, 115 ауд., 9
к. 10, 106 ауд., 9
к. 10, 415 ауд., 1
к. 10, 418 ауд., 1
Программа составлена на основе Стандарта ООП ТПУ в соответствии с
требованиями ФГОС ВО по направлению 15.03.06 «Мехатроника и
робототехника»
и
профилю
подготовки
«Интеллектуальные
робототехнические и мехатронные системы».
Программа одобрена на заседании кафедры ИКСУ
(протокол № 40 от «21» мая 2015 г.).
Автор: доцент, к.т.н. Т.Е. Мамонова
Рецензент: доцент, к.т.н. В.А. Рудницкий