DID532 Mākslīgas neironu sistēmas

Kods DID532
Nosaukums Mākslīgas neironu sistēmas
Statuss Obligātais/Ierobežotās izvēles
Līmenis un tips Augstākā līmeņa, Akadēmiskais
Tematiskā joma Datorika
Struktūrvienība Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte
Mācībspēks Sergejs Paršutins
Kredītpunkti 3.0 (4.5 ECTS)
Daļas 1
Anotācija Mākslīgo neironu sistēmu arhitektūra un elementi. Perceptrons. Adaptēšanas procedūras. Mākslīgo neironu sistēmu tehnoloģijas attīstība. Apmācības metodes vienslāņu un daudzslāņu tīklos. Optimizācijas un prognozēšanas uzdevumi. Programmnodrošinājums. Neiroskaitļošana: algoritmi unpielietošana. Komerciāli programmprodukti mākslīgo neironu sistēmu projektēšanai. Mākslīgo neironu sistēmu pielietošana. Klasteranalīze. Klasifikācija..
Studiju kursa saturs
Saturs Pilna un nepilna laika klātienes studijas Nepilna laika neklātienes studijas
Kontaktstundas Patstāvīgais darbs Kontaktstundas Patstāvīgais darbs
Mākslīgais neirons kā bioloģiskā neirona modelis, bipolārs diskrētais perceptrons 4 0 0 0
Daudzkategoriju diskrētais perceptrons 2 0 0 0
Nepārtraukts bipolārs un unipolārs perceptrons. Delta apmācības likums 8 0 0 0
Delta apmācības likums – daudzkategoriju nepārtraukts perceptrons 4 0 0 0
Kļūdas atgriezeniskās izplatīšanas algoritms 6 0 0 0
Neiroskaitļošana 2 0 0 0
Mākslīgo neironu sistēmu pielietošana klasteranalīzē 6 0 0 0
Komerciālie produkti mākslīgo neironu sistēmu izveidošanai 2 0 0 0
Aktuālās problēmas neironu tīklu pētījumos 8 0 0 0
Jaunākie mākslīgo neironu tīklu pielietojumu piemēri 4 0 0 0
Jaunākie tehnoloģiskie sasniegumi mākslīgajos neironu tīklos 2 0 0 0
Kopā: 48 0 0 0
Mērķis un uzdevumi, izteikti
kompetencēs un prasmēs 		Mērķis – sniegt studentiem padziļinātas zināšanas par mākslīgajiem neironu tīkliem. Panākt, lai studenti saprot mākslīgo neironu tīklu darbības principus un spēj pielietot neironu apmācības algoritmus pētniecisku problēmu risināšanā. Panākt, lai studenti spēj interpretēt tīklu apmācībā iegūtos rezultātus.
Sasniedzamie studiju
rezultāti un to vērtēšana 		Spēj definēt un lietot profesionālo terminoloģiju - Sekmīgi izpildīts tests
Spēj pielietot un izskaidrot bipolāru diskrētu perceptronu klasifikācijas uzdevumā ar 2 klasēm - Sekmīga 1.laboratorijas darba izstrādāšana un aizstāvēšana, kuras laikā: students paskaidro algoritmu pirmajiem soļiem un kāpēc algoritma laikā korekciju skaits var pieaugt; kāpēc viņa apmācītais neirons dod nepareizas atbildes; kā uzlabot apmācību; kā mainās svari – kāds ir iemesls atšķirībām.
Spēj pielietot un izskaidrot nepārtrauktu bipolāru perceptronu klasifikācijas uzdevumā ar 2 klasēm - Sekmīga 2.laboratorijas darba izstrādāšana un aizstāvēšana, kuras laikā: students paskaidro algoritmu: interpretē situāciju, kad o=0; analizē savu eksperimentu rezultātā iegūto kļūdas izmaiņu grafiku; students spēj interpretēt apmācītā neirona atbildes uz viņa izvēlēto testa kopu.
Spēj pielietot un izskaidrot nepārtrauktu bipolāru perceptronu izmantošanu daudzkategoriju klasifikācijas gadījumam. - Sekmīga 3. laboratorijas darba aizstāvēšana, kuras laikā: Students paskaidro algoritmu; apmācāmās kopas objektu ietekmi uz apmācību; interpretē neironu tīkla atbildes; spēj izskaidrot, kad visi izejas neironi ir ierosināti vai arī nav ierosināti; spēj paskaidrot, kā mainās svari
Spēj pielietot un izskaidrot nepārtrauktu bipolāru perceptronu izmantošanu divslāņu tīklā - Sekmīga 4. darba aizstāvēšana: 1) Students paskaidro algoritma darbību pirmajiem 2 soļiem, cikla un algoritma apstāšanās nosacījumus, 2)students spēj interpretēt situāciju, kad apmācības rezultātā kļūda nesamazinās, un analizēt savu eksperimentu rezultātā iegūto kļūdas izmaiņu grafiku
Sekmīgi orientējas jaunākajos sasniegumos neironu tīklos - Veiksmīga prezentācija un tehnoloģisko risinājumu izklāsts
Spēj izvēlēties konkrētai problēmai piemērotu mākslīgo neironu sistēmu - Ieskaites vai eksāmena laikā argumentēti pamato konkrētā neironu tīkla izvēli un interpretē apmācītā tīkla atbildes konkrētās problēmas risinājumam
Priekšzināšanas DID501 ,Lēmumu analīzes modernās tehnoloģijas
Studiju kursa plānojums
Daļa KP EKPS Stundas Pārbaudījumi
Lekcijas Prakt. d. Lab. Ieskaite Eksāmens Darbs
1 3.0 4.5 2.0 0.0 1.0 *
Pieteikties uz šo kursu
[Kursa apraksts PDF formātā]