Основи нейронних мереж

Вибіркова дисципліна
Навчальна дисципліна професійної підготовки
Обсяг освітнього компонента: 
• у кредитах ЄКТС — 4.5.
Кількість аудиторних занять: 
15 лекцій, 7 практичних занять..
Самостійна робота: 
91 година.
Семестровий контроль: 
Залік.
Анотація: 

Мета дисципліни: опанування здобувачами сукупності теоретичних, методичних питань і практичного досвіду з основ штучних нейронних мереж на основі використання сучасних програмних засобів.

Практичне значення та використання отриманих знань:
вивчення сутності і змісту поняття «штучних нейронних мереж»; особливостей штучних нейронів, їх компонентів; характеристики етапів розвитку штучних нейронних мереж;
здійснення аналізу загальних характеристик штучних нейронів; видів функцій активації, що набули поширення в штучних нейронних мережах;
вивчення типових підходів до проектування і розробки одношарових та багатошарових штучних нейронних мереж; базових нейромережевих топологій; мереж рекурентного типу; парадигм навчання, алгоритмів навчання нейронних мереж.

Тематика та види навчальних занять
(порожній рядок)*
1  тиждень
Лекція 1. Штучні нейронні мережі. 
Самостійна робота здобувача.

2  тиждень
Лекція 2. Штучний нейрон.
Лабораторне заняття 1. Вивчення властивостей нейрона.
Самостійна робота здобувача.

3  тиждень
Лекція 3. Структура штучної нейронної мережі. Функція активації штучного нейрона.
Самостійна робота здобувача.

4  тиждень
Лекція 4. Методи та алгоритми навчання штучних нейронних мереж.
Лабораторне заняття 2. Класифікація за допомогою персептрона.
Самостійна робота здобувача.

5  тиждень
Лекція 5. Персептрон для двох класів.
Самостійна робота здобувача.

6  тиждень
Лекція 6. Лінійний нейрон. 
Лабораторне заняття 3. Апроксимація функції.
Самостійна робота здобувача.

7  тиждень
Лекція 7. Багатошаровий персептрон. 
Самостійна робота здобувача.

8  тиждень
Лекція 8. Алгоритм рішення задачі класифікації форми фігури за допомогою багатошарового персептрона.
Лабораторне заняття 4. Апроксимація функції.)*
Модульна контрольна робота 1. 
Самостійна робота здобувача.

9  тиждень
Лекція 9. Мережі з радіальними базисними функціями.
Самостійна робота здобувача.

10  тиждень
Лекція 10. Навчання мережі з радіальними базисними функціями.
Лабораторне заняття 5. Класифікація за допомогою шару Кохонена. 
Самостійна робота здобувача.

11  тиждень
Лекція 11. Машини опорних векторів.
Самостійна робота здобувача.

12  тиждень
Лекція 12. Застосування машини опорних векторів.
Лабораторне заняття 6. Прогнозування часових рядів з використанням нейронних мереж.     
Самостійна робота здобувача.

13  тиждень
Лекція 13. Самонавчання нейронних мереж.
Самостійна робота здобувача.

14  тиждень
Лекція 14. Мережі Кохонена.
Лабораторне заняття 7. Розпізнавання букв за допомогою нейронної мережі прямого поширення. Розпізнавання букв за допомогою нейронної мережі прямого поширення.
Самостійна робота здобувача.

15  тиждень
Лекція 15. Застосування мережі Кохонена. 
Модульна контрольна робота 2.
Самостійна робота здобувача.
ній рядок)*
Оцінювання результатів навчання 

Оцінювання результатів навчання з дисципліни здійснюється за накопичувальною системою, яка дає можливість здобувачеві протягом семестру отримати максимально 100 балів.
Система оцінювання рівня навчальних досягнень ґрунтується на принципах ЄКТС та є накопичувальною. Дисципліна поділяється на два семестрові модулі. Здобувачі протягом семестру готуються до лекційних та лабораторних занять, виконують 2 модульні контрольні роботи.
Модульні контрольні роботи №1, №2  виконуються у письмовій формі. Максимальна оцінка за бездоганне виконання становить 20 балів. Модульна робота складається з теоретичної частини (2 запитання) та практичної частини (2 завдання). Максимальна оцінка за правильне виконання теоретичної частини становить 10 балів, та за правильне виконання практичної частини становить 10 балів. Кожна правильна відповідь за теоретичне або практичне запитання оцінюється в 5 балів. 

Кожний модуль оцінюється у максимально можливі 50 балів.

Модуль 1
Лабораторне заняття. Оцінка за виконання робіт – 30 балів. Термін надання – 2, 4, 6, 8 тиждень.
Модульна контрольна робота 1.  Модульна контрольна робота – 20 балів (8 тиждень). Перескладання можливе протягом 9–11 тижнів за розкладом консультацій.

Модуль 2
Лабораторне заняття. Оцінка за виконання робіт – 30 балів. Термін надання – 10, 12, 14 тиждень.
Модульна контрольна робота 2.  Модульна контрольна робота – 20 балів (15 тиждень).
Максимальна оцінка за повний обсяг виконаних навчальних елементів дисципліни – 100 балів.

Посилання на рекомендовані джерела

1.Основи нейромережних технологій. Вибрані розділи: Класифікаційні властивості персептронів : навч. посіб./ П.О. Яганов. – Київ : КПІ ім. Ігоря Сікорського, 2021. – 44 с.
2. Технології нейронних мереж і нечіткого моделювання в системах управління : підручник / [авт. кол.: Г. І. Канюк, Б. І. Кузнецов, Т. Ю. Василець та ін.]. —Харків : Мадрид, 2020.— 306 с.
3.Ткаченко Р. О. Нейромережеві засоби штучного інтелекту : навч. посіб. / Р. О. Ткаченко, П. Р. Ткаченко, І. В. Ізонін ; Нац. ун-т "Львівська політехніка". – Львів : Вид-во Львівської політехніки, 2017. – 206 с.
4.Литвин В.В., Висоцька В.А., Пелещак Р.М. Глибинне навчання.. – Львів : Вид-во Львівської політехніки, 2021. – 264 с.
5.Троцько В.В. Методи штучного інтелекту: навчально-методичний і практичний посібник. – Київ: Університет економіки та права «КРОК», 2020 – 86 с.
ній рядок)*
Умови допуску до підсумкового контролю

Підсумковий контроль з дисципліни – залік. Залік з дисципліни отримують здобувачі, які виконали всі види навчальних елементів навчальної дисципліни та накопичили протягом семестру не менш, ніж 60 балів.
Складання/перескладання заліків відбувається за встановленим деканатом розкладом.

Політика освітнього процесу
Активна участь в практичних заняттях, дотримання графіків здачі контрольних та індивідуальних завдань, самостійна робота здобувача при підготовці до всіх видів аудиторних занять, присутність на консультаціях. Здобувачі зобов’язані дотримуватись принципів академічної доброчесності при виконанні модульних контрольних робіт, поточних контрольних та індивідуальних завдань, складання заліку/екзамену.
Робота, яка виконана після встановлених викладачем термінів, не приймається.
Відсутність здобувача на контрольній роботі відповідає оцінці «0».
Під час всіх видів аудиторних занять здійснювати телефонні дзвінки забороняється.
Заборонено використання будь-яких підручників, посібників, конспектів лекцій, шпаргалок під час проходження модульних та підсумкового контролів.
 

Результати навчання: 

Розробляти математичні моделі у вигляді нейроних мереж для задач машинного навчання.
Використовувати в практичній роботі спеціалізовані програмні продукти та програмні системи комп’ютерної математики. 

2022 рік