IV. Материально-техническое обеспечение учебной дисциплины

Для закрепления навыков и умений, получаемых при усвоении данной дисциплины, используются все материально-технические средства факультета прикладной математики, физики информационных технологий: лекционные аудитории, классы, оборудованные мультимедийными средствами (электронная доска, проектор), доступ к сети Интернет. Факультет имеет читальный зал и абонемент, со всей необходимой для учебного процесса учебной и научной литературой.

 

№ п/п Номер аудитории Наименование специализированных аудиторий и лабораторий Перечень оборудования Краткое описание и характеристика состава установок, измерительно-диагностического оборудования, компьютерной техники и средств автоматизации экспериментов.
Компьютерный класс Проектор, мультимедийный экран, 10 компьютеров, объединенных в локальную сеть Данный комплект оборудования позволяет проецировать схемы, таблицы, рисунки, информационный материал на экран большого формата. На компьютерах студенты выполняют лабораторные работы

 


 

 

  УТВЕРЖДАЮ Заведующий кафедрой математического анализа и дифференциальных уравнений профессор Мерлин А. В..   “____”_____________2010г.  

Приложение 1

МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ ПРЕПОДАВАТЕЛЮ

ПО ПРОВЕДЕНИЮ лабораторных ЗАНЯТИЙ ПО КУРСУ

СД.Р.15 «Нейронные сети в экономических исследованиях»

Лабораторные занятия являются одним из основных этапов в процессе обучения, составляя вместе с лекционным курсом единый комплекс подготовки специалиста.

Лабораторные занятия проводятся строго согласно учебному плану. Занятия требуют предварительной подготовки по соответствующей теме: изучения учебной и дополнительной литературы, подготовки набора задач для разбора со студентами на занятии.

Рекомендуется при этом вначале занятия использовать материал лекции, чтобы во-первых, ввести в рассмотрение необходимые теоретические положения, а во-вторых, наоборот, закрепить с помощью решения задач теоретический материал.

Планирование лабораторных занятий осуществляется с учётом установленного количества часов. Основные этапы планирования и подготовки занятий:

  1. Разработка системы занятий по разделам.
  2. Определение задач и целей занятия.
  3. Определение оптимального объема учебного материала, расчленение на ряд законченных в смысловом отношении блоков, частей.
  4. Разработка структуры занятия, определение его типа и методов обучения.
  5. Нахождение связей данного материала с другими дисциплинами и использование этих связей при изучении нового материала.
  6. Подбор дидактических средств.
  7. Определение объема и форм самостоятельной работы на занятии.
  8. Определение форм и методов контроля знаний студентов.
  9. Определение формы подведения итогов.

 

План проведения лабораторных занятий

Лабораторные занятия 1,2. Базы данных. Обработка и анализ, различные методы.

Лабораторное занятие 3. Знакомство с аналитической платформой «DEDUCTOR».

Лабораторные занятия 4,5. Построение нейронной сети в аналитической платформе «DEDUCTOR».

Лабораторные занятия 6,7. Построение нейронных сетей различной конфигурации в аналитической платформе «DEDUCTOR».


 

  УТВЕРЖДАЮ Заведующий кафедрой математического анализа и дифференциальных уравнений профессор Мерлин А. В.   “____”_____________2010г.    

Приложение 2

МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ СТУДЕНТАМ

ПО ВЫПОЛНЕНИЮ САМОСТОЯТЕЛЬНОЙ РАБОТЫ ПО КУРСУ

СД.Р.15 «Нейронные сети в экономических исследованиях»

Программа дисциплины «Нейронные сети в экономических исследованиях» предусматривает следующие виды самостоятельной работы студентов:

Подготовка к лабораторным занятиям – 10 часов

Самостоятельное изучение учебных вопросов – 6 часов

Подготовка к зачету – 10 часов

 

Подготовка к лабораторным занятиямвключает в себя проработку теоретического материала по теме занятия и выполнения домашней работы на компьютере.

При затруднении в решении задач необходимо обратиться к справочной литературе. Рекомендуется для самостоятельного изучения использовать следующие учебные пособия:

1. Федотов В. Х. Нейронные сети в экономике: учебное пособие / Федотов В. Х., [отв. ред. И. М. Петров] ; Чуваш. гос. ун-т им. И. Н. Ульянова - Чебоксары: Изд-во Чуваш. ун-та, 2006. - 298с.: ил.. - ISBN 5-7677-0879-7.

2. Круглов В. В. Искусственные нейронные сети: Теория и практика / Круглов В. В., Борисов В. В. - 2-е изд. - М.: Горячая Линия-Телеком, 2002. - 382с.: ил.. - ISBN 5-93517-031-0.

3. Барский А. Б. Нейронные сети: распознавание, управление, принятие решений: Финансы и статистика / Барский А. Б. - М.: Финансы и статистика, 2004. - 175с.: ил. - (Прикладные информационные технологии). - ISBN 5-279-02757-Х.

Также активно нужно использовать возможности сети Интернет и официальный сайт компании ООО «Аналитические технологии» http://www.basegroup.ru, на котором работает форум, где специалисты обмениваются опытом. Студенты могут задавать свои вопросы там.

 

Самостоятельное изучение учебных вопросовподразумевает работу с основной и дополнительной литературой, выполнение заданий преподавателя, дополняющих лекционный материал.

 

Подготовка к зачету подразумевает повторение тем изученных разделов, самостоятельное решение типовых задач, выносимых на зачетную работу.

 

Примерный перечень вопросов к зачету

  1. Существующие методы обработки и анализа данных.
  2. История развития искусственных нейронных сетей.
  3. Области применения искусственных нейронных сетей.
  4. Проблемы и задачи, к решению которых применимы технологии искусственных нейронных сетей.
  5. Базы данных. Обработка и анализ, различные методы.
  6. Понятие искусственного интеллекта.
  7. Компьютерные программы.
  8. Средства «Data Mining».
  9. Основные понятия и определения.
  10. Биологический нейрон.
  11. Структура и свойства искусственного нейрона.
  12. Нейронная сеть.
  13. Классификация нейронных сетей.
  14. Однослойные и многослойные нейронные сети.
  15. Теорема Колмогорова-Арнольда.
  16. Работа Хехт-Нильсена.
  17. Следствия из работ Колмогорова-Арнольда и Хехт-Нильсена.
  18. Использование средств EXCEL для решения задач линейного планирования.
  19. Архитектура (топология) нейронных сетей.
  20. Виды функций активации.
  21. Нейросети обратного распространения.
  22. Нейросети встречного распространения.
  23. Оценка необходимого числа нейронов в скрытых слоях.
  24. Сети Кохонена.
  25. Сети Хопфилда.
  26. Нейроподобные системы автономного адаптивного управления.
  27. Задачи, решаемые в контексте нейронных сетей.
  28. Получение достоверной базы данных.
  29. Выбор структуры нейронной сети.
  30. Оценка необходимого числа нейронов в скрытых слоях.
  31. Обучение нейронной сети.
  32. Алгоритм обратного распространения ошибки.
  33. Обучение нейросетей обратного распространения.
  34. Проход вперед. Обратный проход.
  35. Подстройка весов выходного слоя.
  36. Подстройка весов скрытого слоя.
  37. Схемы обучения нейронных сетей обратного распространения.
  38. Проблемы обучения нейросетей.
  39. Возможные недостатки при обучении (обощение, переобучение).
  40. Примеры задач. Получение достоверных баз данных.
  41. Обработка данных.
  42. Средства «Data Mining».
  43. Аналитическая платформа «Deductor».
  44. Выбор структуры нейронной сети.
  45. Обучение сети.
  46. Критерии остановки работы сети.

Литература.

№ Название
1. Барский А. Б. Нейронные сети: распознавание, управление, принятие решений: Финансы и статистика / Барский А. Б. - М.: Финансы и статистика, 2004. - 175с.: ил. - (Прикладные информационные технологии). - ISBN 5-279-02757-Х.
2. Боровская Е. В. Основы искусственного интеллекта: учебное пособие / Боровская Е. В., Давыдова Н. А. - М.: Бином. Лаб. знаний, 2010. - 127с.: рис. - (Педагогическое образование). - ISBN 978-5-94774-480-4.
3. Галушкин А. И. Нейрокомпьютеры: учебное пособие для вузов по направлению подготовки бакалавров и магистров "Прикладные математика и физика" / Галушкин А. И. - М.: ИПРЖР, 2000. - 524с.: ил. - (Нейрокомпьютеры и их применение). - ISBN 5-93108-007-4.
4. Осовский Станислав. Нейронные сети для обработки информации: Финансы и статистика / Осовский Станислав, пер. с пол. И. Д. Рудинского - М.: Финансы и статистика, 2004. - 343с.: ил.. - ISBN 5-279-0267-4.
5. Рутковская Данута. Нейронные сети, генетические алгоритмы и нечеткие системы: Горячая линия-Телеком / Рутковская Данута, Пилиньский Мачей, Рутковский Лешек, пер. с пол. И. Д. Рудинского - М.: Горячая Линия-Телеком, 2007. - 383с.: ил.. - ISBN 5-93517-103-1.
6. Салахутдинов Р. З. Введение в теорию искусственных нейронных сетей: лекции : учебное пособие / Ин-т экономики, упр. и права (г. Казань), Салахутдинов Р. З. - Казань: Таглимат, 2006. - 135с.: рис.. - ISBN 5-8399-0212-8.
7. Усков А. А. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика: Горячая линия - Телеком / Усков А. А., Кузьмин А. В. - М.: Горячая линия - Телеком, 2004. - 143с.: ил.. - ISBN 5-93517-181-3.
8. Яхъяева Г. Э. Нечеткие множества и нейронные сети: учебное пособие / Яхъяева Г. Э. - М.: Интернет-ун-т информ. технологий, Бином. Лаб. знаний, 2006. - 315с.: ил. - (Основы информационных технологий). - ISBN 5-9556-0049-3.