Робоча програма
Мета – вивчення теоретичних засад функціонування нейроінформаційних систем, що дасть змогу у спеціалізованих програмних середовищах синтезувати відповідні моделі технологічних процесів (об’єктів), із використанням яких розробити та реалізувати ефективні алгоритми керування ними.
Завдання:
- ефективно засвоїти комплекс спеціальних дисциплін – теорії автоматичного управління, автоматизації технологічних процесів, автоматизованих систем управління, моделювання і оптимізацію систем керування, проектування систем автоматики тощо;
- застосовувати набуті знання при виконанні дипломних проектів;
- по завершенню навчання набуті знання із інтелектуальних підходів моделювання та керування дадуть змогу здобувачу ефективно вирішувати практичні задачі автоматизації виробничих процесів.
У результаті вивчення навчальної дисципліни студент повинен
знати:
- основні засади побудови систем нечіткої логіки, нейронних мереж, нечітких нейронних мереж та систем генетичного алгоритму;
- особливості реалізації інтелектуальних систем на виробництві стосовно конкретних об’єктів, установок і обладнання механізації та електрифікації виробничих процесів.
вміти:
- із використанням спеціалізованого програмного середовища синтезувати нейроінформаційні системи;
- складати алгоритми функціонування нейроінформаційних систем стосовно конкретних технологічних процесів (об’єктів);
- застосовувати інтелектуальний підхід у контексті підвищення енергоефективності функціонування технологічного об¢єкта.
Змістовний модуль 1. Основи теорії нейронних мереж.
Тема 1. Вступ. Основні концепції нейронних мереж.
Iсторiя розвитку теорії штучних нейромереж. Бiологiчнi нейрони та їх фiзичнi моделі.Моделi нейроелементiв. Поняття: синапс, ваговий коефіцієнт, поріг, дискримiнантна функцiя, функція активації, персептрон. Біологічний і формальний нейрони: подiбнiсть та вiдмiнностi. Функції активації формальних нейронів та їх вплив на навчання нейромереж.
Тема 2. . Властивості і топологія нейронних мереж.
Поняття штучної нейронної мережі. Етапи побудови нейромереж. Класифікація нейронів функціонально та топологічно. Основні топологічні типи нейромереж. Типи багатошарових мереж. Підхід до вибору структури нейромережі. Навчальна вибірка. Теорема про повноту.
Тема 3. Навчання нейронних мереж.
Загальне уявлення про навчання нейромереж. Характеристики процесу навчання. Вимоги до навчальних вибiрок даних. Узагальнений алгоритм процесу навчання нейронної мережі. Алгоритм навчання НМ зворотного розповсюдження помилки.
Тема 4. Перенавчання нейронних мереж та їх різновиди.
“Перенавчання” та “узагальнення” нейронних мереж. Алгоритм навчання нейронних мереж без учителя. Сигнальний метод навчання Хебба. Алгоритм та структура мережі Кохонена. Застосування мереж Кохонена у задачах кластер-аналiзу та геоiнформацiйних системах.
Тема 5. Використання нейронних мереж. Персептрони.
Етапи нейромережевого проекту. Використання НМ для класифікації, кластеризації і пошуку залежності, прогнозування. Структура персептронного нейрона. Багатошаровий персептрон. Проблема “виключного або”. Алгоритм навчання персептрона.
Змістовний модуль 2.. Основні концепції нечіткої логіки.
Тема 1. Історичні аспекти виникнення нечіткої логіки. Нечіткі множини.
Нечітка логіка. Універсальна множина. Нечітка множина. Нечітка підмножина. Ступінь та функції належності. Узагальнення нечітких експертних оцінок з метою одержання виду функцій належності. Способи опису функції належності. Прямі і непрямі методи визначення функцій належності.
Тема 2. Операції над нечіткими множинами.
Нечіткі множини. Властивості нечітких множин. Операції з нечіткими множинами. Властивості операцій перетину та об’єднання. Алгебраїчні операції над нечіткими множинами.
Тема 3. Нечітка і лінгвістична змінні.
Характеристики нечіткої та лінгвістичної змінних. Нечіткі числа та їх властивості. Операції над нечіткими числами. Властивості нечітких чисел (L-R)-типу.
Тема 4. Механізми і алгоритми нечітких висновків.
Алгоритми нечіткого висновку. Алгоритм Mamdani. Алгоритм Sugeno. Алгоритм Larsen.
Тема 5. Спрощений алгоритм нечіткого висновку. Методи приведення до нечіткості.
Приклади нечіткого висновку. Етапи алгоритмів нечітких висновків. Методи приведення до нечіткості. Низхідний нечіткий висновок.