| Kursa nosaukums | Mākslīgie neironu tīkli |
| Kursa kods | InfT6031 |
| Zinātnes nozare | Elektrotehnika, elektronika, informācijas un komunikāciju tehnoloģijas |
| Zinātnes apakšnozare | Sistēmu analīze, modelēšana un projektēšana |
| Kredītpunkti (ECTS) | 3 |
| Kopējais stundu skaits kursā | 81 |
| Lekciju stundu skaits | 16 |
| Semināru un praktisko darbu stundu skaits | 16 |
| Studenta patstāvīgā darba stundu skaits | 49 |
| Kursa apstiprinājuma datums | 19/10/2011 |
| Atbildīgā struktūrvienība | Datoru sistēmu un datu zinātnes institūts |
| Kursa izstrādātājs(-i) | |
| Dr. habil. sc. ing., prof. Pēteris Rivža |
|
| Priekšzināšanas Kursam priekšzināšanas nav nepieciešamas |
|
| Kursa anotācija | |
| Jēdziens par bioloģisko un mākslīgo neironu. Mākslīgo neironu tīkli, to klasifikācija un īpašības. Mākslīgo neironu tīklu apmācība un modelēšana sistēmā MATLAB. Mākslīgo neironu tīklu lietojums vadības sistēmās, telekomuminkācijā, signālu un attēlu apstrādē. | |
| Kursa rezultāti un to vērtēšana | |
| • Zināšanas par mākslīgo neironu tīkliem, to klasifikāciju, apmācību un modelēšanu;
• prasmes pielietot un izvēlēties konkrētai problēmai piemērotu mākslīgo neironu sistēmu; • kompetence patstāvīgi un argumentēti pamatot konkrētā neironu tīkla izvēli un interpretēt apmācītā tīkla atbildes konkrētās problēmas risinājumā. |
|
| Kursa saturs(kalendārs) | |
| 1 Iepazīšanās ar MATLAB moduli, Neural Network Toolbox.
2 Neironu modelis. 3 Aktivizācijas funkcijas. 4 Neironi ar vektoru ieeju. 5 Vienslāņu tīklu modeļi. 6 Tīkla izveide, inicializācija un odelēšana. 7 Daudzslāņu tīkli. 8 Vienslāņu tīklu apmācības metodes. 9 Daudzslāņu tīklu apmācības metodes. 10 Perceptronu modelis. 11 Lineāru tīklu modeļi. 12 Lineāru tīklu apmācība un lietojumi. 13 Hopfīlda tīkli. 14 Kohonena tīkli. 15 Mākslīgo neironu tīklu lietojumi aproksimācijai, klasterizācijai un klasifikācijai. 16 Mākslīgo neironu tīkli un datorvadības sistēmas. |
|
| Prasības kredītpunktu iegūšanai | |
| Ieskaite. | |
| Obligātā literatūra | |
| 1. Mākslīgie neironu tīkli: arhitektūra, algoritmi un pielietojumi. Māc.līdz. Rīga: RTU. 1998. 109 lpp.
2. Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика. Москва: Горячая линия - Телеком, 2002. 381 c. 3. Zurada J.M. Introduction of Artificial Neural Systems. St. Paul, West Publishing Company, 1992. |
|
| Papildliteratūra | |
| 1. Медведев В. С., Потемкин В. Г. Нейронные сети МАТLАВ 6. Москва: Диалог-Мифи, 2002. 489 c.
2. Robert Callan. The Essence of Neural Networks. Prentice Hall. 1999. 3. Комашинский В.И., Смирнов Д.А. Нейронные сети и их применение в системах управления и связи. Москва: Горячая линия - Телеком. 2003. |
|
| Piezīmes | |
| Izvēles kurss ITF maģistru pilna un nepilna laika studijās. | |