Описание:Курс посвящен рассмотрению современных адаптивных методов анализа данных, т.е.таких методов, которые в работе с данными опираются не на априорные знания об исследуемом объекте и заранее разработанные модели, а исключительно на свойства самих данных, описывающих объект. Подобные алгоритмы обучаются на примерах, что делает их похожими на живые системы, изучение которых и привело к возникновению большинства рассматриваемых алгоритмов.
Подобный подход позволяет с успехом решать задачи прогнозирования, оценки, классификации (распознавания), кластеризации данных из самых разнообразных областей человеческой деятельности: от науки и техники до экономики и бизнеса, от естественных до гуманитарных областей знания. Именно по этой причине массовый интерес к подобным технологиям, возникший к середине 90-х годов после получения множества ценных результатов, как в развитии самих алгоритмов, так и в их использовании, не спадает уже многие годы.
Программа курса
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 (ГА) (3 лекции)
Метод группового учета аргументов. Генетические алгоритмы. Генетическое программирование.
Часть 4. Дополнительные алгоритмы ИНС (2 лекции)
Радиальные базисные функции. Алгоритмы построения ИНС оптимальной сложности. Методики комбинирования различных моделей ИНС. Иерархические системы. Экспертные советы. Гибридные методы. 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 для решения задач спектроскопии, физики высоких энергий, микроэлектроники, физики плазмы, обработки 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 (4 занятия)