Искусственный интеллект и нейронные сети

Цели и задачи дисциплины

Цели дисциплины: сформировать профессиональные компетенции в области искусственного интеллекта и нейронных сетей; сформировать правильные представления об основных понятиях дисциплины; дать студентам глубокие знания об архитектуре нейронных сетей, способов их графического изображения в виде функциональных и структурных схем ; дать представления об инструментальном ПО для обучения нейронных сетей и экспериментов с ними; подготовить студентов к использованию нейросетевых технологий в научно-исследовательской деятельности. Задачи дисциплины: освоить теоретический материал, включающий рассмотрение различных моделей нейронных сетей и их особенности, классификацию, ознакомление с алгоритмами обучения нейронных сетей, ознакомление с существующими прикладными системами, основанных на применении нейронных сетей; освоить практическую часть в форме лабораторных занятий, назначением которых является ознакомление с особенностями решения задач с помощью нейронных сетей; способствовать получению фундаментальных знаний в ходе самостоятельной исследовательской работы; способствовать дальнейшему развитию системного и логического мышления; воспитывать математическую и профессиональную культуру.

Краткое содержание дисциплины

Биологический нейрон, математические модели искусственного нейрона. Многослойные искусственные нейронные сети прямого распространения. Самоорганизующаяся карта признаков. Сеть Кохонена. Реккурентные искусственные нейронные сети. РБФ сети, сверточные нейронные сети. Искусственные нейронные сети, имитирующие свойства естественных нейронных сетей. Применение искусственных нейронных сетей. Функции потерь, метрики качества. Программные средства и системы моделирования искусственных нейронных сетей.

Компетенции обучающегося, формируемые в результате освоения дисциплины

Выпускник должен обладать:

ПК-3 Способен ориентироваться в современных алгоритмах компьютерной математики; обладать способностями к эффективному применению и реализации математически сложных алгоритмов в современных программных комплексах