Данное учебное пособие подготовлено на основе курса лекций по дисциплине «Нейроинформатика», читавшегося с 1994 года на факультете Информатики и вычислительной техники Красноярского государственного технического университета.Несколько слов о структуре пособия. Далее во введении приведены учебный план по данному курсу, задания на лабораторные работы. Следующие главы содержат одну или несколько лекций. Материал, приведенный в главах, несколько шире того, что обычно дается на лекциях. В приложения вынесены описания программ, используемых в данном курсе (Clab и Нейроучебник), и проект стандарта нейрокомпьютера, включающий в себя два уровня — уровень запросов компонентов универсального нейрокомпьютера и уровень языков описания отдельных компонентов нейрокомпьютера.Данное пособие является электронным и включает в себя программы, необходимые для выполнения лабораторных работ.
| Лекции | 32 часа |
| Лабораторные занятия | 64 часа |
| Самостоятельная работа | 20 часов |
| Всего | 116 часов |
д.ф.-м.н., профессор А.Н. Горбань,
д.т.н., доцент Е.М. Миркес
к.ф.-м.н., доцент Н.Ю. Сиротинина
Цель преподавания дисциплины:
• ознакомить студентов с новой перспективной областью информатики;
• научить студентов квалифицированно использовать аппарат нейронных сетей для решения прикладных задач;
• подготовить студентов к появлению на рынке нейрокомпьютеров.
В результате изучения дисциплины студенты должны:
• знать базовые модели нейронов и нейронных сетей;
• владеть основными парадигмами построения нейронных сетей для решения задач: Сети Кохонена, сетчатки Хопфилда, сети обратного распространения ошибки;
• владеть основными принципами решения прикладных задач распознавания образов, диагностики, управления с помощью нейронных сетей;
• иметь основные представления о структуре мозга и биологических нейронных сетях;
Тема 1. Введение. 2 часа
Предмет и задачи курса. Отличия нейрокомпьютеров от компьютеров фон Неймана. Задачи, решаемые в настоящее время с помощью нейронных сетей. Основные направления в нейроинформатике. Очерк истории нейроинформатики.
Тема 2. Сети естественной классификации. 4 часа
Задача естественной классификации. Основные методы решения. Метод динамических ядер и сети Кохонена.
Тема 3. Сети ассоциативной памяти. 6 часов
Сети Хопфилда и их обобщения. Инвариантная обработка изображений (по отношению к переносам, поворотам). Ассоциативная память.
Тема 4. Сети, обучаемые методом обратного распространения ошибки. 16 часов
Идея универсального нейрокомпьютера. Выделение компонентов универсального нейрокомпьютера. Задачник. Методы предобработки. Нейронная сеть (быстрое дифференцирование и метод двойственности). Оценка и интерпретатор ответа. Учитель. Контрастер. Логически прозрачные нейронные сети и получение явных знаний из данных.
Тема 5. Персептрон Розенблатта. 4 часа
Правило Хебба. Персептрон и его обучение. Ограничения и возможности персептрона.
1. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. — Новосибирск: Наука. Сибирская издательская фирма РАН, 1996.
2. Миркес Е.М. Нейрокомпьютер. Проект стандарта. Новосибирск: Наука, Сибирская издательская фирма РАН, 1998, 337 С
2. Минский М., Пайперт С. Персептроны. — М.: Мир, 1971. Задания для лабораторных работ
По курсу «Нейроинформатика» студенты выполняют 7 лабораторных работ. Каждая из лабораторных работ преследует свои цели. Все лабораторные выполняются группами по 2–4 человека.
Цель работы. Целью данной лабораторной работы является демонстрация способности нейронной сети решать неформализованные задачи. Сеть необходимо обучить классификации на два класса по косвенным признакам.
Используемые программы. Лабораторная выполняется на программе clab.
Задание. Данная лабораторная выполняется в несколько этапов.
1. Необходимо выбрать задачу. Примерами таких задач могут служить следующие: «Мужчина/женщина», «Студент/преподаватель», «Студенты живущие дома/в общежитии» и др.
2. Необходимо составить вопросник из 20 косвенных вопросов, по ответам на которые, с точки зрения студента, возможно провести разделение. Список вопросов утверждается преподавателем. Примером косвенного вопроса в задаче «Мужчина/женщина» может служить вопрос «Носите ли Вы дома халат», однако вопросы «Носите ли вы дома юбку» или «Приходится ли Вам по утрам бриться» косвенными считаться не могут.
3. Пронумеровать вопросы по убыванию предполагаемой значимости вопросов для решения задачи.
4. Необходимо проанкетировать не менее 20 человек по составленному вопроснику.
5. На основе анкетирования подготовить файлы Ptn и Pbl в соответствии с требованиями пакета CLAB.
6. Провести пробное обучение. В случае, если нейронная сеть не может обучиться решению задачи проанализировать задачник на предмет непротиворечивости. Если противоречий нет, обратиться к преподавателю.
7. Провести минимизацию задачника.
