Нейрокомп`ютерні системи в економіці

Тема 1. Введення в нейрокомп'ютерні системи

Розглядаються|розглядуються|: символьна і коннекціониські| парадигми штучного інтелекту, поняття штучної нейронної мережі|сіті| (НМ|), історія виникнення і перспективи розвитку НМ|, відмінності|відзнаки| НМ| від традиційних обчислювальних систем.

Тема 2. Моделі нейронів

Розглядаються|розглядуються| структура і функції різних моделей нейрона: персептрон, сигмоїдальний| нейрон, адалайн|, Паде-нейрон, нейрон з|із| квадратичним суматором, сигма|сігма|-пі нейрони, нейрон Хебба, стохастична|самодифузія| модель нейрона, кубічні моделі нейронів.

Тема 3.Задача лінійного та нелінійного розділення|поділу| двох класів

Розглядаються|розглядуються|: рішення задачі лінійного розділення|поділу| двох класів методом центрів мас, алгоритм навчання|вчення| персептрона, види навчання|вчення|, геометрична інтерпретація завдання|задачі| розділення|поділу| двох класів.

Розглядаються|розглядуються|: рішення задачі нелінійного розділення|поділу| двох класів методом максимуму правдоподібності і багатошаровою мережею|сіттю|, реалізація булевих функцій за допомогою нейронної мережі|сіті|.

Тема 4. Види нейронних мереж|сітей| і способи організації їх функціонування

Розглядаються|розглядуються|: варіанти багатошарових мереж|сітей|, режими функціонування мереж|сітей|, передобробка вхідних даних мережі|сіті|, види інтерпретації відповідей НМ|, завдання|задача| апроксимації функцій і оцінка здатності|здібності| мережі|сіті| вирішити|розв'язати| це завдання|задачу|.

Тема 5. Багатошарові мережі|сіті| сигмоїдального| типа

Розглядаються|розглядуються|: багатошаровий персептрон, алгоритм зворотного розповсюдження|поширення| помилки, підбір коефіцієнта навчання|вчення| (одновимірна|одномірна| мінімізація), методи ініціалізації вагів мережі|сіті|.

Тема 6. Градієнтні алгоритми навчання|вчення| мережі|сіті|

Розглядаються|розглядуються|: особливості завдання|задачі| оптимізації, що виникає при навчанні|вченні| нейронних мереж|сітей|; алгоритми вибору напряму|направлення| мінімізації: алгоритм наискорейшего| спуску, партан-методи, однокроковий квазіньютонівський метод і зв'язані градієнти.

Тема 7. Методи глобальної оптимізації

Розглядаються|розглядуються|: алгоритм імітації відпалу, генетичні алгоритми, використання випадкових обурень|збурень| в навчанні|вченні| (метод віртуальних частинок|часток,часточок|).

Тема 8. Радіальні нейронні мережі|сіті|

Розглядаються|розглядуються| математичні основи радіальних мереж|сітей| і методи їх навчання|вчення|. Проводиться|виробляється,справляється| порівняння радіальних і сигмоїдальні| нейронних мереж|сітей|.

Тема 9. Рекурентні| мережі|сіті| як що асоціативні запам'ятовують пристрої|устрої|

Розглядаються|розглядуються|: нейронна мережа|сіть| Хопфілда як автоасоціативна пам'ять, що навчається|виучується| з використанням методу Хебба і проекційного методу; гетероассоціативна| пам'ять на основі мережі|сіті| Хеммінга і двонаправлена асоціативна пам'ять.

Тема 10. Рішення задач комбінаторної оптимізації рекурентними| мережами|сітями|

Розглядається|розглядується| рішення задачі комівояжера мережею|сіттю| Хопфілда і машиною Больцмана. Оцінюються параметри функції енергії нейронних мереж|сітей|, що забезпечують рішення задачі комівояжера.

Тема 11. Рекурентні| мережі|сіті| на базі персептрона

Розглядаються|розглядуються| багатошарові рекурентні| мережі|сіті| (персептронная\break мережа|сіть| із|із| зворотним зв'язком, рекурентні| мережа|сіть| Ельмана|, мережа|сіть| RTRN) і їх використання для ідентифікації динамічних об'єктів.

Тема 12. Самоорганізація (самонавчання) нейронних мереж|сітей|

Розглядаються|розглядуються|: метод динамічних ядер в класифікації без вчителя|учителя|, алгоритми навчання|вчення| мереж|сітей| з|із| самоорганізацією і їх застосування|вживання| до компресії даних і прогнозування.

Тема 13. Адаптивна резонансна теорія (АРТ|)

Розглядаються|розглядуються|: питання про співвідношення стабільності і пластичності при запам'ятовуванні; архітектура, реалізація, навчання|вчення| і характеристики мережі|сіті| АРТ| (адаптивної резонансної теорії).

Тема 14. Нечіткі і гібридні нейронні мережі|сіті|

Розглядаються|розглядуються|: математичні основи нечітких систем, переваги і алгоритми навчання|вчення| нечітких нейронних мереж|сітей|, нечіткі мережі|сіті| з|із| генетичною настройкою, експертні системи на основі гібридних НМ|.

Тема 15. Контрастування (редукція) нейронної мережі|сіті|

Розглядаються|розглядуються|: методи оцінки значущості параметрів нейронної мережі|сіті| і сигналів в ній; скорочення числа входів в лінійному суматорі методом "знизу-вгору|угору|", метод виключення|винятку| параметрів "зверху-вниз" з|із| ортогоналізацією і бінаризація суматора.

Тема 16. Методи апаратної реалізації нейрокомп'ютерів

Розглядаються|розглядуються| електронні і оптичні методи реалізації нейрокомп'ютерів.