Переваги вивчення дисципліни: Штучні нейронні мережі – набір математичних і алгоритмічних методів для вирішення широкого кола завдань. Штучні нейромережі призначені для вирішення завдань:
а) нелінійної апроксимації багатовимірних функцій;
б) прогнозування в часі для процесів, що залежать від багатьох змінних;
в) класифікатора за багатьма ознаками, що дає розбиття вхідного простору на області;
г) розпізнавання образів;
д) пошуку по асоціаціям;
г) пошуку закономірностей в масивах даних.
Метою вивчення дисципліни «Нейронні мережі в системах управління» є вивчення методів синтезу нейронних мереж і їх практичного застосування.
До завдань вивчення дисципліни входить придбання теоретичних та практичних навичок, які дають змогу формування нейронних мереж в системах управління.
Компетентності, якими повинен оволодіти здобувач вищої освіти:
Здатність до абстрактного мислення, аналізу та синтезу.
Здатність вчитися та оволодівати сучасними знаннями.
Здатність виявляти, ставити та вирішувати проблеми.
У результаті вивчення дисципліни «Нейронні мережі в системах управління» студент повинен:
Знати:
- архітектуру класичних нейромережевих моделей;
- алгоритми навчання нейронних мереж;
- способи застосування нейронних мереж для вирішення різних прикладних задач.
Вміти:
- конструювати нейронні мережі;
- навчати нейронні мережі;
- застосовувати нейронні мережі для вирішення прикладних завдань.
Володіти:
- навичками моделювання нейронних мереж в системі MATLAB.
- навичками демонструвати здатність і готовність застосовування нейронних мереж на практиці.
Зміст дисципліни: Нейрон. Аксон. Синапс. Рефлекторна дуга. Центральна нервова система. Моделі штучного нейрона. Функції активації. Нейрон з векторним входом.
Архітектура штучних нейронних мереж. Набір засобів для створення, ініціалізації, навчання, моделювання і візуалізації мережі. Градієнтні алгоритми навчання. Алгоритми, засновані на використанні методу сполучених градієнтів. Архітектура персептрону і спеціальні функції для створення персептрону, настройки його ваг і зміщень. Налаштування параметрів за методом Вудроу-Хоффа. Побудова і навчання лінійних мереж для класифікації векторів, лінійної апроксимації, передбачення, стеження і фільтрації сигналів, ідентифікації та моделювання лінійних систем. Архітектури радіальних базисних нейронних мереж загального вигляду і спеціальні функції для їх створення і автоматичної настройки ваг і зміщень. Застосування нейронних мереж для проектування систем управління динамічними процесами