Форма обучения:
дистанционная
Стоимость самостоятельного обучения:
бесплатно
Доступ:
свободный
Документ об окончании:
 
Уровень:
Специалист
Длительность:
13:49:00
Студентов:
5267
Выпускников:
1010
Качество курса:
4.37 | 4.06
Одним из популярных направлений Artificial Intelligence является теория нейронных сетей (neuron nets). Данный курс является систематизированным вводным курсом в это направление. Нашей целью является познакомить слушателей с основными нейроно-сетевыми парадигмами, показать область применения этого направления.
Людей всегда интересовало их собственное мышление. Это самовопрошение, думанье мозга о себе самом является, возможно, отличительной чертой человека. Нейробиологи и нейроанатомы достигли в этой области значительного прогресса. Усердно изучая структуру и функции нервной системы человека, они многое поняли в «электропроводке» мозга, но мало узнали о его функционировании. В процессе накопления ими знаний выяснилось, что мозг имеет ошеломляющую сложность. Сотни миллиардов нейронов, каждый из которых соединен с сотнями или тысячами других, образуют систему, далеко превосходящую наши самые смелые мечты о суперкомпьютерах. На сегодняшний день существуют две взаимно обогащающие друг друга цели нейронного моделирования: первая – понять функционирование нервной системы человека на уровне физиологии и психологии и вторая – создать вычислительные системы (искусственные нейронные сети), выполняющие функции, сходные с функциями мозга. Именно эта последняя цель и находится в центре внимания данного курса. В лекциях курса рассматриваются такие классические нейроно-сетевые парадигмы как персептроны, сети Хопфилда и Хэмминга, сети встречного распространения, двунаправленная ассоциативная память, теория адаптивного резонанса, когнитроны и неокогнитроны. Для каждой рассматриваемой сети дается описание ее архитектуры, алгоритмов обучения, анализируются проблемы емкости и устойчивости сети.
Специальности: Программист
ISBN: 978-5-9556-0049-9
 

План занятий

Занятие
Заголовок <<
Дата изучения
Лекция 1
36 минут
Основы искусственных нейронных сетей
В лекции рассматриваются общие положения теории искусственных нейронных сетей. Описана структура однослойных и многослойных нейронных сетей, введено понятие обучения нейронной сети и дана классификация алгоритмов обучения.
Оглавление
    -
    Лекция 2
    37 минут
    Персептроны. Представимость и разделимость
    В лекции дается определение персептрона, рассматривается его архитектура. Описывается класс задач, решаемых с помощью персептрона, доказывается, какие задачи невозможно решить с его помощью.
    Оглавление
      -
      Лекция 3
      33 минуты
      Персептроны. Обучение персептрона
      В лекции рассматриваются алгоритм обучения персептрона, вопросы сходимости алгоритма обучения и подбора количественных характеристик весовых коэффициентов. Исследуются многослойные персептроны и возможности их обучения.
      Оглавление
        -
        Лекция 4
        47 минут
        Процедура обратного распространения (описание алгоритма)
        В лекции рассматривается архитектура многослойного обобщенного персептрона, описывается процедура обратного распространения - алгоритм обучения многослойного персептрона с учителем.
        Оглавление
          -
          Лекция 5
          32 минуты
          Процедура обратного распространения (анализ алгоритма)
          В лекции анализируются слабые места алгоритма обратного распространения и предлагаются методы решения некоторых связанных с этим проблем.
          Оглавление
            -
            Лекция 6
            53 минуты
            Сети встречного распространения
            В лекции изложены архитектура, функционирование и методы обучения сетей встречного распространения. В качестве примера использования данной сети рассматриваются методы сжатия данных.
            Оглавление
              -
              Лекция 7
              45 минут
              Стохастические методы обучения нейронных сетей
              В лекции дается обзор основных стохастических методов, используемых для обучения нейронных сетей: метод отжига металла, больцмановское обучение, обучение Коши, метод искусственной теплоемкости.
              Оглавление
                -
                Лекция 8
                41 минута
                Нейронные сети Хопфилда и Хэмминга
                В лекции рассматривается архитектура сети Хопфилда и ее модификация - сеть Хэмминга, затрагиваются вопросы устойчивости сети Хопфилда. В заключении лекции рассматриваются понятие ассоциативности памяти и задача распознавания образов.
                Оглавление
                  -
                  Лекция 9
                  43 минуты
                  Обобщения и применения модели Хопфилда
                  В лекции рассматриваются вероятностные обобщения модели Хопфилда и статистическая машина. Описывается аналого-цифровой преобразователь - как модель сети с обратным распределением. В качестве примера приводится представление информации в сети Хопфилда, решающей задачу коммивояжера.
                  Оглавление
                    -
                    Лекция 10
                    44 минуты
                    Двунаправленная ассоциативная память
                    В лекции рассматриваются архитектура и принципы работы нейронной сети ДАП. Затронуты вопросы емкости данной сети. Дается обзор некоторых модификаций этой сети.
                    Оглавление
                      -
                      Лекция 11
                      40 минут
                      Адаптивная резонансная теория. Архитектура
                      В лекции рассматривается проблема стабильности—пластичности при распознавании образов. Изучаются нейросетевые архитектуры AРT.
                      Оглавление
                        -
                        Лекция 12
                        50 минут
                        Теория адаптивного резонанса. Реализация
                        В лекции рассматривается процесс функционирования АРТ. Приводится пример обучения сети АРТ. Обсуждаются основные характеристики АРТ. Дается обзор модификаций сети АРТ.
                        Оглавление
                          -
                          Лекция 13
                          42 минуты
                          Когнитрон
                          В лекции рассматривается архитектура, процедура обучения и функционирование когнитрона. Описан пример функционирования четырехслойного когнитрона распознавания образов.
                          Оглавление
                            -
                            Лекция 14
                            24 минуты
                            Неокогнитрон
                            В лекции рассматривается архитектура, процедура обучения и функционирования неокогнитрона. Отмечается его сходство и отличие от когнитрона.
                            Оглавление
                              -
                              Лекция 15
                              37 минут
                              Алгоритмы обучения
                              В данной лекции рассматриваются различные методы обучения нейронных сетей. Некоторые из этих методов частично приводились на предыдущих лекциях, но отмечены снова для создания у слушателей целостного представления об изучаемой области.
                              Оглавление
                                -
                                1 час 40 минут
                                -
                                Максим Виноградов
                                Максим Виноградов
                                Россия, Москва
                                Георгий Козлов
                                Георгий Козлов
                                Россия, НИУ ГУ-ВШЭ, 2013