7.2.2. Тематика рефератов - Армавирский государственный

Министерство образования и науки Российской Федерации
Федеральное государственное бюджетное образовательное учреждение
высшего профессионального образования
«Армавирская государственная педагогическая академия»
Институт прикладной информатики, математики и физики
Кафедра информатики и информационных технологий обучения
ФОНД ОЦЕНОЧНЫХ СРЕДСТВ ДИСЦИПЛИНЫ
(шифр)
Б . 3 . Д В . 8 «О с н о в ы н е й р о к и б е р н е т и к и »
(наименование дисциплины)
Направление подготовки 230100.62 (09.03.01) «Информатика и вычисли-
тельная техника»
Профиль подготовки «Программное обеспечение средств вычислительной
техники и автоматизированных систем»
Квалификация (степень) выпускника
бакалавр
Форма обучения о ч н а я
Составитель: Бельченко В.Е.
Армавир, 2014
7. Фонд оценочных средств для проведения текущего контроля и промежуточной аттестации обучающихся по дисциплине (модулю)
7.1. Перечень компетенций с указанием этапов их формирования в процессе освоения образовательной программы
ОК-1- владеет культурой мышления, способен к обобщению, анализу, восприятию информации, постановке цели и выбору путей её достижения
Этапы формирования компетенции
Знает
Состояние дел в области
изучаемой дисциплины
Умеет
Владеет
Оформлять полученные ре- Навыками составления результаты
фератов
Номера контрольных заданий:
7.2.3
7.2.2
7.2.1
Показатели и критерии оценивания компетенции на различных этапах её формирования, шкала оценивания
Уровень освоения:
Выполнение одного из заВыполнение одного из заВыполнение одного из заданий блока 7.2.3. на «заданий блока 7.2.2. на «заданий блока 7.2.1. на «зачтено»
чтено»
чтено»
ОК-11 - осознает сущность и значение информации в развитии современного общества; владеет основными методами, способами и средствами получения, хранения, переработки информации
Этапы формирования компетенции
Знает
Умеет
Владеет
место и роль, состояние раз- Выполнять расчеты с ис- Навыками составления алвития современных нейрон- пользованием языков про- горитмов и программ для
ных систем, методы решеграммирования
решения
математических
ния математических задач
задач
средствами программирования
Номера контрольных заданий:
7.2.3
7.2.2
7.2.1.
Показатели и критерии оценивания компетенции на различных этапах её формирования, шкала оценивания
Уровень освоения:
Выполнение одного из заВыполнение всех заданий
Выполнение всех заданий
даний блока 7.2.3 на «зачте- блока 7.2.2. на «зачтено»
блока 7.2.2. на «зачтено»
но»
ПК-2 осваивать методики использования программных средств для решения практических задач;
Этапы формирования компетенции
Знает
Умеет
Владеет
место и роль, состояние раз- разрабатывать
алгоритмы навыками программировавития современных сред
для решения задач;
ния;
программирования, пробле- разрабатывать и тестировать
мы и направления развития
программы;
различных технологий информационных систем;
Номера контрольных заданий:
Раздел 7.2.1
Раздел 7.2.2
Раздел 7.2.2
Показатели и критерии оценивания компетенции на различных этапах её формирования, шкала оценивания
Уровень освоения:
Выполнение одного из заВыполнение одного из заВыполнение одного из заданий на «удовлетворитель- даний на «удовлетворитель- даний на «удовлетворительно»
но»
но»
ПК-6 обосновывать принимаемые проектные решения, осуществлять постановку и
выполнять эксперименты по проверке их корректности и эффективности;
Этапы формирования компетенции
Знает
Умеет
Владеет
Методы использования сеСоставлять сетевые компь- навыками в компьютерных
тевых технологий при реютерные программы;
сетях;
шении задач нейрокибернетики;
Номера контрольных заданий:
Раздел 7.2.2
Раздел 7.2.1
Раздел 7.2.2
Показатели и критерии оценивания компетенции на различных этапах её формирования, шкала оценивания
Уровень освоения:
Выполнение одного из заВыполнение одного из заВыполнение одного из заданий на «удовлетворитель- даний на «удовлетворитель- даний на «удовлетворительно»
но»
но»
ПК-10 сопрягать аппаратные и программные средства в составе информационных и автоматизированных систем;
Этапы формирования компетенции
Знает
место и роль, состояние развития современных сред
программирования, проблемы и направления развития
различных технологий информационных систем;
Умеет
Владеет
разрабатывать
алгоритмы навыками программировадля решения задач;
ния;
разрабатывать и тестировать
программы;
Номера контрольных заданий:
Раздел 7.2.2
Раздел 7.2.1
Раздел 7.2.2
Показатели и критерии оценивания компетенции на различных этапах её формирования, шкала оценивания
Уровень освоения:
Выполнение одного из заВыполнение одного из заВыполнение одного из заданий на «удовлетворитель- даний на «удовлетворитель- даний на «удовлетворительно»
но»
но»
7.2. Типовые контрольные задания или иные материалы, необходимые для оценки
знаний, умений, навыков и (или) опыта деятельности, характеризующих этапы формирования компетенций в процессе освоения образовательной программы
7.2.1. Задания лабораторных работ
Лабораторная работа №1
1. Изучить пример экспертной системы.
2. Разработать на основе изученного примера экспертную систему для требуемой
предметной области согласно заданию.
3. Получить распечатки примеров работы программы.
Лабораторная работа №2, 3
Изучить теоретическую часть.
Получить у преподавателя вариант задания.
Создать и обучить нейронную сеть выполнению заданной операции.
Промоделировать созданную нейронную сеть в Excel, используя соответствующие
веса и смещения, полученные в результате обучения.
8. Распечатать полученные результаты.
9. Оформить отчет.
4.
5.
6.
7.
Лабораторная работа №4
10. Разработать структуру сети Хебба, способной распознавать четыре различные буквы Вашего имени или фамилии. При этом обосновать выбор:
o числа рецепторных нейронов (число входов сети должно быть не менее 12);
o числа выходных нейронов;
o выбор векторов выходных сигналов.
11. Разработать алгоритм и программу, моделирующую сеть Хебба.
12. Обучить нейронную сеть распознаванию четырех заданных символов.
13. Оформить отчет.
7.2.2. Контрольные вопросы лабораторных работ.
1.
2.
3.
4.
5.
6.
7.
8.
Основные компоненты экспертной системы.
Для чего необходимы БД и БЗ?
Каков алгоритм работы созданной системы?
Назначение и преимущества использования нейронных сетей.
Какие действия необходимо выполнить для создания нейронной сети?
Что такое функция активации нейрона?
Что такое искусственный нейрон?
В чём заключается обучение нейронной сети?
7.2.2. Тематика рефератов
1. Биологические аспекты нервной деятельности. Биологический нейрон.
2. Биологические аспекты нервной деятельности. Нейронные сети.
3. Биологические аспекты нервной деятельности. Биологическая изменчивость и
4. обучение нейронных сетей
5. Формальный нейрон Маккалока-Питтса.
6. Персептрон Розенблатта. Теорема об обучении персептрона.
7. Персептронная представляемость.
8. Проблема функции ИСКЛЮЧАЮЩЕЕ ИЛИ.
9. Линейная разделимость. Преодоление проблемы линейной разделимости.
10. Обучение с учителем: классификация образов.
11. Обучение с учителем: аппроксимация многомерных функций
12. Теорема Колмогорова.
13. Теорема Стоуна.
14. Алгоритм обратного распространения ошибки. 5
15. Проблемы обучения: ошибка аппроксимации; переобучение; ошибка, связанная
16. со сложностью модели.
17. Оптимизация размера сети.
18. Адаптивная оптимизации архитектуры сети. Валидация обучения. Ранняя оста19. новка обучения.
20. Прореживание связей.
21. Сети встречного распространения. Структура сети.
22. Обучение без учителя: Структура слоя Кохоненна. Структура слоя Гроссберга.
23. Обучение слоя Кохонена. Предварительная обработка входных векторов. Вы24. бор начальных значений весовых векторов. Статистические свойства обученной
25. сети.
26. Обучение слоя Гроссберга. Сеть встречного распространения полностью.
27. Сети встречного распространения. Сжатие данных.
28. Сети с обратными связями.
29. Нейродинамика в модели Хопфилда.
30. Правило обучения Хебба.
31. Ассоциативность памяти и задача распознавания образов.
32. Сеть Хемминга.
33. Двунаправленная ассоциативная память.
34. Применения сети Хопфилда к задачам комбинаторной оптимизации.
35. Метод иммитации отжига. Машина Больцмана.
36. Оптимизация с помощью сети Кохонена.
37. Растущие нейронные сети.
38. Предобработка данных. Общие вопросы.
39. Предобработка данных. Максимизация энтропии как цель предобработки.
40. Предобработка данных.Кодирование нечисловых переменных.
41. Предобработка данных. Отличие между входными и выходными переменными.
42. Предобработка данных. Индивидуальная нормировка данных.
43. Предобработка данных. Совместная нормировка: выбеливание входов.
44. Предобработка данных. Понижение размерности входов методом главных компонент.
45. Предобработка данных. Восстановление пропущенных компонент данных.
46. Предобработка данных. Понижение размерности входов с помощью нейросетей.
47. Предобработка данных. Квантование входов.
48. Предобработка данных. Линейная значимость входов.
49. Предобработка данных. Нелинейная значимость входов. Box-counting алгоритмы.
50. Предобработка данных. Формирование оптимального пространства признаков.
51. Нечеткие множества. Лингвистические переменные. Нечеткие правила вывода.
52. Нечеткие множества. Системы нечеткого вывода Мамдани-Заде.
53. Нечеткие множества. Фазификатор.
54. Нечеткие множества. Дефазификатор
55. Нечеткие множества. Модель Мамдани-Заде как универсальный аппроксиматор.
56. Нечеткие сети TSK (Такаги-Сугено-Канга).
57. Гибридный алгоритм обучения нечетких сетей