IPB
Форуму требуются модераторы из числа студентов или работающих в МГУ! Пишите на wzadm yandex.ru !

Ваш энциклопедический текст удалили из Википедии? Сохраните его в Викизнании или смежном проекте!

Здравствуйте, гость ( Вход | Регистрация )

→ 

Добавить в закладки - CTRL-D
2 страниц V  < 1 2  
Reply to this topicStart new topic
Факультативный курс "Введение в нейронные сети и генетические алгоритмы"
Iskander
сообщение 9.2.2011, 20:11
Сообщение #21


Пролетарий умственного труда
Иконка группы

Группа: Легенды
Сообщений: 3,367
Репутация: 189

Предупреждения:
(0%) -----


Искусственные нейронные сети вестимо. Artificial neural network.
Go to the top of the page Вставить ник
+
nnga
сообщение 7.2.2012, 13:00
Сообщение #22


уже не чужой
**

Группа: Участники
Сообщений: 26
Репутация: 2

Предупреждения:
(0%) -----


Объявляем о проведении аналогичного курса в этом семестре (весна 2012 года).

Факультативный курс "Введение в нейронные сети и генетические алгоритмы"
Курс подготовлен сотрудниками НИИЯФ МГУ под руководством проф. И.Г.Персианцева
• Курс рассчитан на студентов 2 – 5 курсов
• Продолжительность курса - 14 лекций, 11 семинаров
(1 лекция и 1 практическое занятие в неделю в течение семестра)
• Чтение курса начнется 21 февраля
• Время проведения лекций и занятий - вечернее (после 5-й пары, с 19-00) по вторникам (лекции) и пятницам (практические занятия)
• Для участия необходимо сообщить свои координаты, зарегистрировавшись на сайте (http://NNGA.narod.ru) или по тел. 939-46-19. Место проведения занятий (на территории МГУ) будет сообщено записавшимся дополнительно.

Программа лекций
Часть 1. Основные модели ИНС (3 лекции)
Модель нейрона. Обучение с учителем и без учителя. Многослойный персептрон. Рекуррентные сети. Ассоциативная память. Сеть Кохонена. Нейросеть с общей регрессией. Вероятностная нейросеть.
Часть 2. Основы предобработки данных (3 лекции)
Методы анализа данных, направленные на определение и уменьшение размерности задачи (анализ главных компонент, кластер-анализ, фрактальная размерность и пр.). Методы нелинейного преобразования входных данных, способствующие выделению отличительных свойств (вейвлет-анализ, нелинейный анализ главных компонент).
Часть 3. Метод группового учета аргументов, генетические алгоритмы (3 лекции)
Метод группового учета аргументов. Генетические алгоритмы. Генетическое программирование.
Часть 4. Дополнительные алгоритмы ИНС (2 лекции)
Нейронные сети Хопфилда. Алгоритмы построения ИНС оптимальной сложности. Методики комбинирования различных моделей ИНС. Иерархические системы. Экспертные советы. Гибридные методы. Генерация правил по обученным ИНС. Анализ важности входов.
Часть 5. Нечеткая логика (1 лекция)
Часть 6. Применение ИНС и ГА (2 лекции)
Основные области применимости ИНС и ГА. Практические приемы использования ИНС и ГА в спектроскопии, физике высоких энергий, микроэлектронике, физике плазмы, обработке сигналов и изображений. Решение обратных задач в физике с помощью ИНС и ГА.

План практических занятий
Часть 1. Основные модели ИНС (3 занятия)
Наглядная демонстрация основных нейросетевых алгоритмов. "Нейропрактикум".
Часть 2. Практическая работа с ИНС (3 занятия)
Нейросетевой пакет NeuroShell 2. Основные приемы работы. Решение практических задач.
Часть 3. Генетические алгоритмы (2 занятия)
Пакет генетических алгоритмов GeneHunter. Пакет построения моделей ChaosHunter. Решение практических задач.
Часть 4. Нейросетевые пакеты NeuroShell Series (1 занятие)
Пакеты NeuroShell Predictor и NeuroShell Classifier. Основные приемы работы.
Часть 5. Самостоятельная работа под руководством преподавателя (2 занятия)

Ввиду малого количества посадочных мест в компьютерном классе, возможность участия в практических занятиях не гарантируется. Однако самые упорные обычно достигают поставленной цели (IMG:style_emoticons/default/smile.gif)
Go to the top of the page Вставить ник
+
nnga
сообщение 8.2.2013, 17:07
Сообщение #23


уже не чужой
**

Группа: Участники
Сообщений: 26
Репутация: 2

Предупреждения:
(0%) -----


Объявляем о проведении аналогичного курса в этом семестре (весна 2013 года).

Факультативный курс "Введение в нейронные сети и генетические алгоритмы"
Курс подготовлен сотрудниками НИИЯФ МГУ под руководством проф. И.Г.Персианцева
• Курс рассчитан на студентов 2 – 5 курсов
• Продолжительность курса - 14 лекций, 11 семинаров
(1 лекция и 1 практическое занятие в неделю в течение семестра)
• Чтение курса начнется 19 февраля
• Время проведения лекций и занятий - вечернее (после 5-й пары, с 19-00) по вторникам (лекции) и пятницам (практические занятия)
• Для участия необходимо сообщить свои координаты, зарегистрировавшись на сайте (http://NNGA.narod.ru) или по тел. 939-46-19. Место проведения занятий (на территории МГУ) будет сообщено записавшимся дополнительно
• Заинтересованные студенты могут написать заявление в учебную часть с тем, чтобы после окончания курса и сдачи зачёта внести соответствующую запись в зачётную книжку и затем во вкладыш к диплому

Программа лекций
Часть 1. Основные модели искусственных нейронных сетей (ИНС) (3 лекции)
Модель нейрона. Обучение с учителем и без учителя. Многослойный персептрон. Рекуррентные сети. Ассоциативная память. Сеть Кохонена. Нейросеть с общей регрессией. Вероятностная нейросеть.
Часть 2. Основы предобработки данных (3 лекции)
Методы анализа данных, направленные на определение и уменьшение размерности задачи (анализ главных компонент, кластер-анализ, фрактальная размерность и пр.). Методы нелинейного преобразования входных данных, способствующие выделению отличительных свойств (вейвлет-анализ, нелинейный анализ главных компонент).
Часть 3. Метод группового учета аргументов, генетические алгоритмы (3 лекции)
Метод группового учета аргументов. Генетические алгоритмы. Генетическое программирование.
Часть 4. Дополнительные алгоритмы ИНС (2 лекции)
Нейронные сети Хопфилда. Алгоритмы построения ИНС оптимальной сложности. Методики комбинирования различных моделей ИНС. Иерархические системы. Экспертные советы. Гибридные методы. Генерация правил по обученным ИНС. Анализ важности входов.
Часть 5. Нечеткая логика (1 лекция)
Часть 6. Применение ИНС и ГА (2 лекции)
Основные области применимости ИНС и ГА. Практические приемы использования ИНС и ГА в спектроскопии, физике высоких энергий, микроэлектронике, физике плазмы, обработке сигналов и изображений. Решение обратных задач в физике с помощью ИНС и ГА.

План практических занятий
Часть 1. Основные модели ИНС (3 занятия)
Наглядная демонстрация основных нейросетевых алгоритмов. "Нейропрактикум".
Часть 2. Практическая работа с ИНС (3 занятия)
Нейросетевой пакет NeuroShell 2. Основные приемы работы. Решение практических задач.
Часть 3. Генетические алгоритмы (2 занятия)
Пакет генетических алгоритмов GeneHunter. Пакет построения моделей ChaosHunter. Решение практических задач.
Часть 4. Нейросетевые пакеты NeuroShell Series (1 занятие)
Пакеты NeuroShell Predictor и NeuroShell Classifier. Основные приемы работы.
Часть 5. Самостоятельная работа под руководством преподавателя (2 занятия)

Ввиду малого количества посадочных мест в компьютерном классе, возможность участия в практических занятиях не гарантируется. Однако самые упорные обычно достигают поставленной цели (IMG:style_emoticons/default/smile.gif)
Go to the top of the page Вставить ник
+
nnga
сообщение 19.2.2014, 15:18
Сообщение #24


уже не чужой
**

Группа: Участники
Сообщений: 26
Репутация: 2

Предупреждения:
(0%) -----


Объявляем о проведении аналогичного курса в этом семестре (весна 2014 года).

Факультативный курс "Введение в искусственные нейронные сети и генетические алгоритмы"
Курс подготовлен сотрудниками НИИЯФ МГУ под руководством проф. И.Г.Персианцева
• Курс рассчитан на студентов 2 – 5 курсов
• Продолжительность курса - 14 лекций, 11 семинаров
(1 лекция и 1 практическое занятие в неделю в течение семестра)
• Чтение курса начнется 21 февраля
• Время проведения лекций и занятий - вечернее (после 5-й пары, с 19-00) по вторникам (лекции) и пятницам (практические занятия)
• Для участия необходимо сообщить свои координаты, зарегистрировавшись на сайте (http://NNGA.narod.ru) или по тел. 939-46-19. Место проведения занятий (на территории МГУ) будет сообщено записавшимся дополнительно
• Заинтересованные студенты могут написать заявление в учебную часть с тем, чтобы после окончания курса и сдачи зачёта внести соответствующую запись в зачётную книжку и затем во вкладыш к диплому

Программа лекций
Часть 1. Основные модели искусственных нейронных сетей (ИНС) (3 лекции)
Модель нейрона. Обучение с учителем и без учителя. Многослойный персептрон. Рекуррентные сети. Ассоциативная память. Сеть Кохонена. Нейросеть с общей регрессией. Вероятностная нейросеть.
Часть 2. Основы предобработки данных (3 лекции)
Методы анализа данных, направленные на определение и уменьшение размерности задачи (анализ главных компонент, кластер-анализ, фрактальная размерность и пр.). Методы нелинейного преобразования входных данных, способствующие выделению отличительных свойств (вейвлет-анализ, нелинейный анализ главных компонент).
Часть 3. Метод группового учета аргументов, генетические алгоритмы (3 лекции)
Метод группового учета аргументов. Генетические алгоритмы. Генетическое программирование.
Часть 4. Дополнительные алгоритмы ИНС (2 лекции)
Нейронные сети Хопфилда. Алгоритмы построения ИНС оптимальной сложности. Методики комбинирования различных моделей ИНС. Иерархические системы. Комитеты экспертов. Гибридные методы. Оценка значимости входов.
Часть 5. Нечеткая логика (1 лекция)
Часть 6. Применение ИНС и ГА (2 лекции)
Основные области применимости ИНС и ГА. Практические приемы использования ИНС и ГА для решения задач в спектроскопии, космической физике, физике высоких энергий, физике плазмы, обработке сигналов и изображений. Решение обратных задач в физике с помощью ИНС и ГА.

План практических занятий
Часть 1. Основные модели ИНС (3 занятия)
Наглядная демонстрация основных нейросетевых алгоритмов. "Нейропрактикум".
Часть 2. Практическая работа с ИНС (3 занятия)
Нейросетевой пакет NeuroShell 2. Основные приемы работы. Решение практических задач.
Часть 3. Генетические алгоритмы (2 занятия)
Пакет генетических алгоритмов GeneHunter. Пакет построения моделей ChaosHunter. Решение практических задач.
Часть 4. Нейросетевые пакеты NeuroShell Series (1 занятие)
Пакеты NeuroShell Predictor и NeuroShell Classifier. Основные приемы работы.
Часть 5. Самостоятельная работа под руководством преподавателя (2 занятия)

Ввиду малого количества посадочных мест в компьютерном классе, возможность участия в практических занятиях не гарантируется. Однако обычно для всех желающих мест хватает.
Go to the top of the page Вставить ник
+
nnga
сообщение 11.2.2015, 18:49
Сообщение #25


уже не чужой
**

Группа: Участники
Сообщений: 26
Репутация: 2

Предупреждения:
(0%) -----


Объявляем о проведении аналогичного курса в этом семестре (весна 2015 года).

Факультативный курс "Введение в искусственные нейронные сети и генетические алгоритмы"
Курс подготовлен сотрудниками НИИЯФ МГУ под руководством проф. И.Г.Персианцева
• Курс рассчитан на студентов 2 – 5 курсов (1 курсу не возбраняется)
• Продолжительность курса - 14 лекций, 11 семинаров
(1 лекция и 1 практическое занятие в неделю в течение семестра)
• Чтение курса начнется 24 февраля
• Время проведения лекций и занятий - вечернее (после 5-й пары, с 19-00) по вторникам (лекции) и пятницам (практические занятия)
• Для участия необходимо сообщить свои координаты, зарегистрировавшись на сайте (http://NNGA.narod.ru) или по тел. 939-46-19. Место проведения занятий (на территории МГУ) будет сообщено записавшимся дополнительно
• Заинтересованные студенты могут написать заявление в учебную часть с тем, чтобы после окончания курса и сдачи зачёта внести соответствующую запись в зачётную книжку и затем во вкладыш к диплому

Программа лекций
Часть 1. Основные модели искусственных нейронных сетей (ИНС) (3 лекции)
Модель нейрона. Обучение с учителем и без учителя. Многослойный персептрон. Глубокие нейронные сети. Рекуррентные сети. Ассоциативная память. Сеть Кохонена. Нейросеть с общей регрессией. Вероятностная нейросеть.
Часть 2. Основы предобработки данных (3 лекции)
Методы анализа данных, направленные на определение и уменьшение размерности задачи (анализ главных компонент, кластер-анализ, фрактальная размерность и пр.). Методы нелинейного преобразования входных данных, способствующие выделению отличительных свойств (вейвлет-анализ, нелинейный анализ главных компонент).
Часть 3. Метод группового учета аргументов, генетические алгоритмы (3 лекции)
Метод группового учета аргументов. Генетические алгоритмы. Генетическое программирование.
Часть 4. Дополнительные алгоритмы ИНС (2 лекции)
Нейронные сети Хопфилда. Алгоритмы построения ИНС оптимальной сложности. Методики комбинирования различных моделей ИНС. Иерархические системы. Комитеты экспертов. Гибридные методы. Оценка значимости входов.
Часть 5. Нечеткая логика (1 лекция)
Часть 6. Применение ИНС и ГА (2 лекции)
Основные области применимости ИНС и ГА. Практические приемы использования ИНС и ГА для решения задач в спектроскопии, космической физике, физике высоких энергий, физике плазмы, обработке сигналов и изображений. Решение обратных задач в физике с помощью ИНС и ГА.

План практических занятий
Часть 1. Основные модели ИНС (3 занятия)
Наглядная демонстрация основных нейросетевых алгоритмов. "Нейропрактикум".
Часть 2. Практическая работа с ИНС (3 занятия)
Нейросетевой пакет NeuroShell 2. Основные приемы работы. Решение практических задач.
Часть 3. Генетические алгоритмы (2 занятия)
Пакет генетических алгоритмов GeneHunter. Пакет построения моделей ChaosHunter. Решение практических задач.
Часть 4. Нейросетевые пакеты NeuroShell Series (1 занятие)
Пакеты NeuroShell Predictor и NeuroShell Classifier. Основные приемы работы.
Часть 5. Самостоятельная работа под руководством преподавателя (2 занятия)

Ввиду малого количества посадочных мест в компьютерном классе, возможность участия в практических занятиях не гарантируется. Однако обычно для всех желающих мест хватает.
Go to the top of the page Вставить ник
+
nnga
сообщение 10.2.2016, 18:03
Сообщение #26


уже не чужой
**

Группа: Участники
Сообщений: 26
Репутация: 2

Предупреждения:
(0%) -----


Объявляем о проведении аналогичного курса в этом семестре (весна 2016 года).

Факультативный курс "Введение в искусственные нейронные сети и генетические алгоритмы"
Курс подготовлен сотрудниками НИИЯФ МГУ под руководством проф. И.Г.Персианцева
• Курс рассчитан на студентов 2 – 5 курсов (1 курсу не возбраняется)
• Продолжительность курса - 14 лекций, 11 семинаров
(1 лекция и 1 практическое занятие в неделю в течение семестра)
• Чтение курса начнется 26 февраля
• Время проведения лекций и занятий - вечернее (после 5-й пары, с 19-00) по вторникам (лекции) и пятницам (практические занятия)
• Для участия необходимо сообщить свои координаты, зарегистрировавшись на сайте (http://NNGA.narod.ru) или по тел. 939-46-19. Место проведения занятий (на территории МГУ) будет сообщено записавшимся дополнительно
• Заинтересованные студенты могут написать заявление в учебную часть с тем, чтобы после окончания курса и сдачи зачёта внести соответствующую запись в зачётную книжку и затем во вкладыш к диплому

Программа лекций
Часть 1. Основные модели искусственных нейронных сетей (ИНС) (3 лекции)
Модель нейрона. Обучение с учителем и без учителя. Многослойный персептрон. Глубокие нейронные сети.
Рекуррентные сети. Ассоциативная память. Сеть Кохонена. Нейросеть с общей регрессией. Вероятностная нейросеть.
Часть 2. Основы предобработки данных (3 лекции)
Методы анализа данных, направленные на определение и уменьшение размерности задачи
(анализ главных компонент, кластер-анализ, оценка фрактальной размерности и пр.).
Методы нелинейного преобразования входных данных, способствующие выделению
отличительных свойств (вейвлет-анализ, нелинейный анализ главных компонент).
Часть 3. Метод группового учета аргументов, генетические алгоритмы (3 лекции)
Метод группового учета аргументов. Генетические алгоритмы. Генетическое программирование.
Часть 4. Дополнительные алгоритмы ИНС (2 лекции)
Нейронные сети Хопфилда. Алгоритмы построения ИНС оптимальной сложности. Методики
комбинирования различных моделей ИНС. Иерархические системы. Комитеты экспертов.
Гибридные методы. Оценка значимости входов.
Часть 5. Нечеткая логика (1 лекция)
Основные понятия нечёткой логики. Проектирование контроллеров. Нечёткая логика и вероятность.
Нечёткая логика и нейронные сети.
Часть 6. Применение ИНС и ГА (2 лекции)
Основные области применимости ИНС и ГА. Практические приемы использования ИНС и ГА для
решения задач в спектроскопии, космической физике, физике высоких энергий, физике
плазмы, обработке сигналов и изображений. Решение обратных задач в физике с помощью ИНС и ГА.

План практических занятий
Часть 1. Основные модели ИНС (3 занятия)
Наглядная демонстрация основных нейросетевых алгоритмов. "Нейропрактикум".
Часть 2. Практическая работа с ИНС (3 занятия)
Обзор современных программных средств и библиотек для решения задач анализа данных. Работа на языках R и Python.
Нейросетевой пакет NeuroShell 2. Основные приемы работы. Решение практических задач.
Часть 3. Генетические алгоритмы (2 занятия)
Пакет генетических алгоритмов GeneHunter. Пакет построения моделей ChaosHunter. Решение практических задач.
Часть 4. Нейросетевые пакеты NeuroShell Series (1 занятие)
Пакеты NeuroShell Predictor и NeuroShell Classifier. Основные приемы работы.
Часть 5. Самостоятельная работа под руководством преподавателя (2 занятия)

Ввиду малого количества посадочных мест в компьютерном классе, возможность участия в практических занятиях не гарантируется. Однако обычно для всех желающих мест хватает.

Сообщение отредактировал nnga - 10.2.2016, 18:04
Go to the top of the page Вставить ник
+
Pumpov
сообщение 16.6.2016, 16:13
Сообщение #27


живу здесь
*******

Группа: Гуру
Сообщений: 356
Репутация: 2

Предупреждения:
(0%) -----


Видео-лекций нет?
Go to the top of the page Вставить ник
+
AGK
сообщение 15.11.2016, 19:54
Сообщение #28


практически свой
***

Группа: Преступники2016+
Сообщений: 32
Репутация: 0

Предупреждения:
(0%) -----


Нейронные сети "слили в помойку" еще в конце 90-х годов
(IMG:style_emoticons/default/pardon.gif)
Go to the top of the page Вставить ник
+
nnga
сообщение 16.2.2017, 14:11
Сообщение #29


уже не чужой
**

Группа: Участники
Сообщений: 26
Репутация: 2

Предупреждения:
(0%) -----


Объявляем о проведении аналогичного курса в этом семестре (весна 2017 года).

Факультативный курс "Искусственные нейронные сети и генетические алгоритмы"
Курс подготовлен сотрудниками НИИЯФ МГУ под руководством проф. И.Г.Персианцева
• Курс рассчитан на студентов 2 – 6 курсов, будущих бакалавров и магистров (1 курсу не возбраняется)
• Продолжительность курса - 14 лекций, 11 семинаров
(1 лекция и 1 практическое занятие в неделю в течение семестра)
• Чтение курса начнется 21 февраля
• Время проведения лекций и занятий - вечернее (после 5-й пары, с 19-00) по вторникам (лекции) и пятницам (практические занятия)
• Для участия необходимо сообщить свои координаты, зарегистрировавшись на сайте (http://NNGA.narod.ru) или по тел. 939-46-19. Место проведения занятий (на территории МГУ) будет сообщено записавшимся дополнительно
• Заинтересованные студенты могут написать заявление в учебную часть с тем, чтобы после окончания курса и сдачи зачёта внести соответствующую запись в зачётную книжку и затем во вкладыш к диплому

Программа лекций
Часть 1. Основные модели искусственных нейронных сетей (ИНС) (3 лекции)
Модель нейрона. Обучение с учителем и без учителя. Многослойный персептрон. Глубокие нейронные сети.
Рекуррентные сети. Ассоциативная память. Сеть Кохонена. Нейросеть с общей регрессией. Вероятностная нейросеть.
Часть 2. Основы предобработки данных (3 лекции)
Методы анализа данных, направленные на определение и уменьшение размерности задачи
(анализ главных компонент, кластер-анализ, оценка фрактальной размерности и пр.).
Методы нелинейного преобразования входных данных, способствующие выделению
отличительных свойств (вейвлет-анализ, нелинейный анализ главных компонент).
Часть 3. Метод группового учета аргументов, генетические алгоритмы (ГА) (3 лекции)
Метод группового учета аргументов. Генетические алгоритмы. Генетическое программирование.
Часть 4. Дополнительные алгоритмы ИНС (2 лекции)
Нейронные сети Хопфилда. Алгоритмы построения ИНС оптимальной сложности. Методики
комбинирования различных моделей ИНС. Иерархические системы. Комитеты экспертов.
Гибридные методы. Оценка значимости входов.
Часть 5. Нечеткая логика (1 лекция)
Основные понятия нечёткой логики. Проектирование контроллеров. Нечёткая логика и вероятность.
Нечёткая логика и нейронные сети.
Часть 6. Применение ИНС и ГА (2 лекции)
Основные области применимости ИНС и ГА. Практические приемы использования ИНС и ГА для
решения задач в спектроскопии, космической физике, физике высоких энергий, физике
плазмы, обработке сигналов и изображений. Решение обратных задач в физике с помощью ИНС и ГА.

План практических занятий
Часть 1. Основные модели ИНС (3 занятия)
Наглядная демонстрация основных нейросетевых алгоритмов. "Нейропрактикум".
Часть 2. Практическая работа с ИНС (3 занятия)
Обзор современных программных средств и библиотек для решения задач анализа данных. Работа на языках R и Python.
Основные приемы работы. Решение практических задач.
Часть 3. Генетические алгоритмы (2 занятия)
Пакет генетических алгоритмов GeneHunter. Пакет построения моделей ChaosHunter. Решение практических задач.
Часть 4. Нейросетевые пакеты NeuroShell Series (1 занятие)
Пакеты NeuroShell Predictor и NeuroShell Classifier. Основные приемы работы.
Часть 5. Самостоятельная работа под руководством преподавателя (2 занятия)

Ввиду малого количества посадочных мест в компьютерном классе, возможность участия в практических занятиях не гарантируется. Однако обычно для всех желающих мест хватает.
Go to the top of the page Вставить ник
+

2 страниц V  < 1 2
Reply to this topicStart new topic

 

Хостится на базе технических средств проекта Викизнание! Связаться с вебмастером по e-mail: wzadm yandex ru
RSS Текстовая версия Сейчас: 20.09.2017, 7:02
Рейтинг@Mail.ru