38.03.05 Б3.В.ОД.11 Нечеткая логика и нейронные сети

Цели и задачи дисциплины
1.
1.1. Цель. Задачи дисциплины, ее место в подготовке специалиста (с учетом
квалификационных требований ГОС)
Рабочая программа по дисциплине «Нечеткая логика и нейронные сети» составлена в соответствии с
требованиями ФГОС ВПО по направлению 080500 «Бизнес-информатика» и относится к циклу
профессиональных дисциплин (Б3).
Учебная дисциплина «Нечеткая логика и нейронные сети» предназначена для профессионального
моделирования экономических задач.
Целью курса «Нечеткая логика и нейронные сети» является освоение методов нечеткой логики,
формирующих один из новых подходов к анализу и моделированию прикладных задач. В указанном курсе
обучаемые должны приобрести устойчивые знания по обработке информации, моделированию, исследованию
операций управления и прогнозирования ЭИС.
1.2.
Требования к уровню усвоения дисциплины
Студент должен знать основные определения нечеткой логики и нейронных сетей; области
применения нечетких множеств логики и нейронных сетей; программные средства для моделирования
нечетких множеств и создания нейронных сетей; инструментальные интегрированные программные среды
разработчиков для применения моделей нечетких множеств и нейронных сетей; технологию создания и
использования нейронных сетей; примеры моделирования нечеткой логики и нейронных сетей для решения
экономических задач.
Студент должен уметь применять программные средства разработки моделей нечеткой логики и
нейронных сетей, использовать инструментальные функции интегрированных программных сред
разработчиков нечеткой логики и нейронных сетей; пользоваться аппаратными средствами моделирования
нечетких множеств и создания нейронных сетей; применять программы нечеткой логики и нейронных сетей
для решения экономических задач.
Студент должен иметь представление о принципах решения задач экономического анализа,
классификации, прогнозировании и управления с помощью нейронных сетей и нечеткого моделирования.
У студента должны быть сформированы следующие общекультурные компетенции (ОК) и
профессиональные компетенции (ПК) бакалавра экономики: ПК-3, ПК-15
- выбирать рациональные ИС и ИКТ-решения для управления бизнесом (ПК-3);
- проектировать и внедрять компоненты ИТ-инфраструктуры предприятия, обеспечивающие
достижение стратегических целей и поддержку бизнес-процессов (ПК-15).
1.3.
Связь с другими дисциплинами Учебного плана
Перечень действующих и предшествующих дисциплин
Основы бизнес-информатики, Введение в специальность,
Исследование операций, Программирование
Перечень последующих дисциплин, видов работ
Функциональное
программирование
и
интеллектуальные системы, Управление ИТсервисами
и
контентом,
Архитектура
корпоративных информационных систем.
2. Содержание дисциплины, способы и методы учебной
деятельности преподавателя
Методы обучения – система последовательных, взаимосвязанных действий, обеспечивающих усвоение
содержания образования, развитие способностей студентов, овладение ими средствами самообразования и
самообучения; обеспечивают цель обучения, способ усвоения и характер взаимодействия преподавателя и
студента; направлены на приобретение знаний, формирование умений, навыков, их закрепление и контроль.
Монологический (изложение теоретического материала в форме монолога)
М
Показательный (изложение материала с приемами показа)
П
Диалогический (изложение материала в форме беседы с вопросами и ответами)
Д
Эвристический (частично поисковый) (под руководством преподавателя студенты
рассуждают, решают возникающие вопросы, анализируют, обобщают, делают выводы и
Э
решают поставленную задачу)
Проблемное изложение (преподаватель ставит проблему и раскрывает доказательно пути
ее решения)
ПБ
Исследовательский (студенты самостоятельно добывают знания в процессе разрешения
проблемы, сравнивая различные варианты ее решения)
И
Программированный (организация аудиторной и самостоятельной работы студентов
осуществляется в индивидуальном темпе и под контролем специальных технических средств)
ПГ
Другой метод, используемый преподавателем (формируется самостоятельно), при этом в п.п.
2.1.-2.4. дается его наименование, необходимые пояснения
Приведенные в таблице сокращения обозначения педагогических методов используются составителем
Рабочей программы для заполнения п.п. 2.1., 2.2. и 2.3. в столбце «Методы».
практические,
Методы
Реализуемые
компетенции
в том числе в
интерактивной
форме, час.
Аудиторные
занятия
(лекции,
лабораторные,
семинарские) – очная форма обучения
Кол. час
Неделя
2.1.
П, Д,
Э, ПБ
П, Д,
Э, ПБ
ПК15
ПК15
Модуль 2 «Нечеткая логика»
П, Д,
Э, ПБ
Тема «Нечеткая и лингвистическая переменные. Нечеткие величины,
числа и интервалы»:
Определения нечеткой и лингвистической переменных. Нечеткие
величины, числа и интервалы. Треугольные нечеткие числа и
трапециевидные нечеткие интервалы
Тема «Основы нечеткой логики»
Понятие нечеткого высказывания и нечеткого предиката. Нечеткие
предикаты.
Основные
логические
операции
с
нечеткими
высказываниями. Логическое отрицание нечетких высказываний.
Логическая конъюнкция
нечетких высказываний. Логическая
дизъюнкция нечетких высказываний. Нечеткая импликация. Нечеткая
эквивалентность. Правила нечетких продукций. Прямой и обратный
методы вывода заключений в системах нечетких продукций
Тема «Системы нечеткого вывода»
Базовая архитектура систем нечеткого вывода. Основные этапы
нечеткого вывода. Формирование базы правил систем нечеткого вывода.
Фаззификация (Fuzzification). Агpегирование (Aggregation). Активизация
(Activation). Аккумуляция (Accumulation). Дефаззификация (Defuzzifica
tion). Основные алгоритмы нечеткого вывода. Алгоритм Мамдани
П, Д,
Э, ПБ
ПК-3,
ПК15
ПК-3,
ПК15
Вид занятия, модуль, тема и краткое содержание
Очная форма обучения
Лекции
Модуль 1 «Нечеткие множества»
24-25
2
1
24-25
2
1
Тема «Введение в нечеткие множества
и операции над ними»:
Возникновение нечетких множеств. Нечеткая логика. Мягкие
вычисления. Лингвистическая неопределенность. Нечеткая логика и
теория вероятностей. Определения. Диаграмма Заде. Представления.
Диаграмма Венна. Характеристики. Операции. Свойства. Основные
типы функций принадлежности. Нечеткие отношения
26-31
6
3
26-27
2
1
28-29
2
1
30-31
2
1
П, Д,
Э, ПБ
ПК-3,
ПК15
П, Д,
Э, ПБ
ПК-3,
ПК15
(Mamdani).Алгоритм Цукамото (Тsukаmоtо). Алгоритм Ларсена (Larsen).
Алгоритм Cyгено(Sugeno). Примеры использования систем нечеткого
вывода в задачах управления.
32-34
4
2
Модуль 3 «НЕЧЕТКОЕ МОДЕЛИРОВАНИЕ В СРЕДЕ МАTLAB»
П, Д,
Э, ПБ
32
2
1
Тема «Общая характеристика программы МАTLAB»:
Основные элементы системы МАTLAB. Основные приемы работы в
системе МАTLAB. Редактор систем нечеткого вывода FIS. Редактор
функций принадлежности. Редактор правил системы нечеткого вывода.
Программа просмотра правил системы нечеткого вывода. Программа
просмотра поверхности системы нечеткого вывода.
П, Д,
Э, ПБ
33-34
2
1
Тема «Нечеткая кластеризация в Fuzzy Logic Toolbox»:
Общая характеристика задач кластерного анализа. Задача нечеткой
кластеризации и алгоритм ее решения. Общая формальная постановка
задачи нечеткого кластерного анализа. Уточненная постановка задачи
нечеткой кластеризации. Алгоритм решения задачи нечеткой
кластеризации методом нечетких с-средних. Средства решения задачи
нечеткой кластеризации в пакете Fuzzy Logic ТoolBox.
П, Д,
Э, ПБ
ПК-3,
ПК15
35-41
6
3
Модуль 4 «Нейронные сети»
П, Д,
Э, ПБ
35-37
2
1
Тема «Понятие нейронной сети, ее функционирование и обучение.
Классификация нейронных сетей»:
История исследования в области нейронных сетей. Биологический
нейрон. Структура и функционирование искусственного нейрона.
Постановка задачи обучения нейронной сети. Классификация
нейронных сетей и их свойства. Эффективность нейронных сетей.
Многослойная нейронная сеть. Круг задач, решаемых с помощью
нейронных сетей. Решение задач классификации, распознавания
образов, прогнозирования и управления с помощью указанных классов
нейронных сетей.
П, Д,
Э, ПБ
ПК-3,
ПК15
ПК-3,
ПК15
38-39
2
2
Тема «Пакет NEURAL NETWORKS TOOLBOX»:
Назначение пакета Neural Networks Toolbox. Обзор функций пакета
Neural Networks Toolbox. Создание и исследование нейронных сетей
средствами пакета Neural Networks Toolbox.
П, Д,
Э, ПБ
ПК-3,
ПК15
40-41
2
1
Тема «Гибридные нейронные сети, их обучение и использование»:
Нечеткий нейрон. Архитектура нечеткой (гибридной) нейронной сети.
Обучение гибридной нейронной сети. Решение задачи классификации с
помощью гибридной нейронной сети.
П, Д,
Э, ПБ
ПК-3,
ПК15
24-25
2
ПГ
24-25
2
ПК15
ПК15
26-31
6
26-27
2
Практические занятия
Модуль 1 «Нечеткие множества»
Тема «Введение в нечеткие множества
и операции над ними»:
Основы программирования в системе MATLAB. Массивы, структуры,
ячейки и классы системы MATLAB.
Модуль 2 «Нечеткая логика»
ПГ
Тема «Нечеткая и лингвистическая переменные. Нечеткие величины,
числа и интервалы»:
Основные элементы рабочего интерфейса программы fuzzyTECH.
Назначение операций главного меню и панели инструментов программы
fuzzyTECH. Графические средства визуализации результатов нечеткого
вывода в программе fuzzyTECH.
ПГ
ПГ
ПК-3,
ПК15
ПК-3,
ПК15
ПК-3,
ПК15
ПК-3,
ПК15
28-29
2
Тема «Основы нечеткой логики»:
Процесс нечеткого моделирования в среде fuzzyTECH. Основные
средства редактирования и анализа систем нечеткого вывода в
fuzzyTECH. Графический редактор лингвистической переменной и
функций принадлежности их термов. Графические редакторы правил
системы нечеткого вывода. Графические средства анализа результатов
нечеткого вывода. Основные средства разработки проектов и
компонентов систем нечеткого вывода в fuzzyTECH. Мастер нечеткого
проекта. Мастер лингвистической переменной. Мастер блока правил.
ПГ
ПК-3,
ПК15
30-31
2
Тема «Системы нечеткого вывода»
Процесс разработки системы нечеткого вывода в интерактивном режиме
в Fuzzy Logic Toolbox. Редактор систем нечеткого вывода FIS. Редактор
функций принадлежности. Редактор правил системы нечеткого вывода.
Программа просмотра правил системы нечеткого вывода. Программа
просмотра поверхности системы нечеткого вывода. Пример разработки
системы нечеткого вывода в интерактивном режиме. Процесс
разработки системы нечеткого вывода в режиме командной строки.
ПГ
ПК-3,
ПК15
32-34
4
Модуль 3 «НЕЧЕТКОЕ МОДЕЛИРОВАНИЕ В СРЕДЕ МАTLAB»
ПГ
32
2
Тема «Общая характеристика программы МАTLAB»:
Нечеткая модель управления кондиционером воздуха в помещении.
Оценивание финансовой состоятельности клиентов при предоставлении
банковских кредитов. Анализ и прогнозирование валютных цен на
финансовом рынке.
ПГ
ПК-3,
ПК15
ПК-3,
ПК15
33-34
2
Тема «Нечеткая кластеризация в Fuzzy Logic Toolbox»:
Общая характеристика задач кластерного анализа. Задача нечеткой
кластеризации и алгоритм ее решения. Общая формальная постановка
задачи нечеткого кластерного анализа. Уточненная постановка задачи
нечеткой кластеризации. Алгоритм решения задачи нечеткой
кластеризации методом нечетких с-средних. Средства решения задачи
нечеткой кластеризации в пакете Fuzzy Logic ToolBox. Решение задачи
нечеткой кластеризации в командном режиме. Решение задачи нечеткой
кластеризации с использованием средств графического интерфейса.
Решение задачи определения числа кластеров для нечеткой
кластеризации в системе МАTLAB.
ПГ
ПК-3,
ПК15
35-41
6
Модуль 4 «Нейронные сети»
ПГ
35-37
2
Тема «Понятие нейронной сети, ее функционирование и обучение.
Классификация нейронных сетей»:
Модели искусственного нейрона Искусственные нейронные сети.
Методы и алгоритмы обучения искусственных нейронных Исследование
персептронных сетей. Исследование линейных нейронных сетей.
Исследование радиальных базисных сетей общего вида.
ПГ
ПК-3,
ПК15
ПК-3,
ПК15
38-39
2
Тема «Пакет NEURAL NETWORKS TOOLBOX»:
Инициализация пакета Neural Network Toolbox. Окно Create New Data.
Окно Create New Network. Диалоговая панель Network. Импорт-экспорт
данных в Neural Network Toolbox.
Нейронная сеть с прямой передачей сигнала. Реализация логической
функции «И». Нейронная сеть с прямой передачей сигнала.
Аппроксимация
функции.
Классификация
входных
векторов.
Демонстрационные примеры NNTool.
ПГ
ПК-3,
ПК15
40-41
2
Тема «Гибридные нейронные сети, их обучение и использование»:
Общая характеристика ANFIS адаптивных систем нейро-нечеткого
вывода. Понятие нейронной сети и основные способы ее задания.
ПГ
ПК-3,
ПК15
Гибридная сеть как адаптивная система нейро-нечеткого вывода
Реализация ANFIS в среде МАTLAB Пример решения задачи нейронечеткого вывода.
2
2
Лекции
Тема «Нечеткие множества
и операции над ними. Нечеткая и лингвистическая переменные»:
Возникновение нечетких множеств. Нечеткая логика. Мягкие
вычисления. Лингвистическая неопределенность. Нечеткая логика и
теория вероятностей. Определения нечеткой и лингвистической
переменных. Нечеткие величины, числа и интервалы. Основные этапы
нечеткого вывода. Формирование базы правил систем нечеткого вывода.
Примеры использования систем нечеткого вывода в задачах управления.
Основные элементы системы МАTLAB.
Практические занятия
Тема «Нечеткие множества
и операции над ними. Нечеткая и лингвистическая переменные»:
Основы программирования в системе MATLAB.
Массивы, структуры, ячейки и классы системы MATLAB
Процесс разработки системы нечеткого вывода в интерактивном режиме
в Fuzzy Logic Toolbox. Редактор систем нечеткого вывода FIS. Редактор
функций принадлежности. Редактор правил системы нечеткого вывода.
Программа просмотра правил системы нечеткого вывода. Программа
просмотра поверхности системы нечеткого вывода. Пример разработки
системы нечеткого вывода в интерактивном режиме.
Тема «Нечеткие множества
и операции над ними. Нечеткая и лингвистическая переменные»:
Оценивание финансовой состоятельности клиентов при предоставлении
банковских кредитов.
Тема «Понятие нейронной сети. Пакет NEURAL NETWORKS
TOOLBOX»:
Инициализация пакета Neural Network Toolbox. Окно Create New Data.
Окно Create New Network. Диалоговая панель Network. Импорт-экспорт
данных в Neural Network Toolbox.
Нейронная сеть с прямой передачей сигнала. Реализация логической
функции «И». Нейронная сеть с прямой передачей сигнала.
Аппроксимация
функции.
Классификация
входных
векторов.
Демонстрационные примеры NNTool.
Реализуемые
компетенции
2
Вид занятия, модуль, тема и краткое содержание
Методы
2
в том числе в
интерактивной
форме, час.
Кол. час
Неделя
Аудиторные занятия (лекции, лабораторные, практические, семинарские) - заочная форма
обучения, срок подготовки 5 лет
П, Д,
Э, ПБ
ПК15
ПГ
ПК15
ПГ
ПК-3,
ПК15
ПГ
ПК-3,
ПК15
Аудиторные занятия (лекции, лабораторные, практические, семинарские) - заочная форма
обучения, срок подготовки 3 года 6 месяцев
2
Реализуемые
компетенции
2
Лекции
Тема «Нечеткие множества
и операции над ними. Нечеткая и лингвистическая переменные»:
Возникновение нечетких множеств. Нечеткая логика. Мягкие
вычисления. Лингвистическая неопределенность. Нечеткая логика и
теория вероятностей. Определения нечеткой и лингвистической
переменных. Нечеткие величины, числа и интервалы. Основные этапы
нечеткого вывода. Формирование базы правил систем нечеткого вывода.
Примеры использования систем нечеткого вывода в задачах управления.
Основные элементы системы МАTLAB.
Практические занятия
Тема «Нечеткие множества
и операции над ними. Нечеткая и лингвистическая переменные»:
Основы программирования в системе MATLAB.
Массивы, структуры, ячейки и классы системы MATLAB
Процесс разработки системы нечеткого вывода в интерактивном режиме
в Fuzzy Logic Toolbox. Редактор систем нечеткого вывода FIS. Редактор
функций принадлежности. Редактор правил системы нечеткого вывода.
Программа просмотра правил системы нечеткого вывода. Программа
просмотра поверхности системы нечеткого вывода. Пример разработки
системы нечеткого вывода в интерактивном режиме.
Тема «Нечеткие множества
и операции над ними. Нечеткая и лингвистическая переменные»:
Оценивание финансовой состоятельности клиентов при предоставлении
банковских кредитов.
Тема «Понятие нейронной сети. Пакет NEURAL NETWORKS
TOOLBOX»:
Инициализация пакета Neural Network Toolbox. Окно Create New Data.
Окно Create New Network. Диалоговая панель Network. Импорт-экспорт
данных в Neural Network Toolbox.
Нейронная сеть с прямой передачей сигнала. Реализация логической
функции «И». Нейронная сеть с прямой передачей сигнала.
Аппроксимация
функции.
Классификация
входных
векторов.
Демонстрационные примеры NNTool.
Методы
2
в том числе в
интерактивной
форме, час.
Кол. час
Неделя
2
Вид занятия, модуль, тема и краткое содержание
П, Д,
Э, ПБ
ПК15
ПГ
ПК15
ПГ
ПК-3,
ПК15
ПГ
ПК-3,
ПК15
Лекции
Тема «Нечеткие множества
и операции над ними. Нечеткая и лингвистическая переменные»:
Возникновение нечетких множеств. Нечеткая логика. Мягкие
вычисления. Лингвистическая неопределенность. Нечеткая логика и
теория вероятностей. Определения нечеткой и лингвистической
переменных. Нечеткие величины, числа и интервалы. Основные этапы
нечеткого вывода. Формирование базы правил систем нечеткого вывода.
Реализуемые
компетенции
Вид занятия, модуль, тема и краткое содержание
Методы
2
в том числе в
интерактивной
форме, час.
Кол. час
Неделя
Аудиторные занятия (лекции, лабораторные, практические, семинарские) - заочная форма
обучения, срок подготовки 2 года 6 месяцев
П, Д,
Э, ПБ
ПК15
2
2
2
ПК15
ПГ
ПК-3,
ПК15
ПГ
ПК-3,
ПК15
40
41
лабораторным занятиям; тематика рефератной работы; контрольные, рекомендации по
использованию литературы и ЭВМ и др.
Самостоятельное изучение отдельных тем курса:
- История развития теории и приложений нечетких множеств и нечеткой логики.
- Обзор ПО для нечеткого моделирования;
- Обзор ПО для построения нейронных сетей;
- Нечеткие числа и интервалы в форме (LR)функций.
- Исследование самоорганизующихся слоев Кохонена.
- Исследование самоорганизующихся карт Кохонена.
- Общая характеристика ANFIS адаптивных систем нейро-нечеткого вывода.
- Основы языка программирования системы МАTLAB
ПК-3
ПК-15
ПК-3
Тематика заданий для индивидуальной работы
1. Нечеткое моделирование оценки финансовой задолженности контрагентов на предприятии. ПК-15
2. Анализ и прогнозирование цен продукции внешнем рынке с помощью теории нечетких
множеств.
3. Оценка обученности студента на основе теории нечеткого моделирования.
4. Нечеткое моделирование риска выбора оптимального ПО на предприятии.
5. Спроектировать нейронную сеть, реализующую оценку стоимости услуг рекламного
агентства.
6. Спроектировать нейронную сеть, реализующую оценку стоимости туристического
предложения.
7. Спроектировать нейронную сеть, реализующую оценку себестоимости продукции.
Усвоение текущего учебного материала
10
енции
Кол. час
2
2
2
2
2
2
2
2
Темы, разделы, вынесенные на самостоятельную подготовку, вопросы к практическим и
Компет
Неделя
25
26
27
28
29
30
31
37
2441
ПГ
Самостоятельная работа студента – очная форма обучения
2.2.
24-
Примеры использования систем нечеткого вывода в задачах управления.
Основные элементы системы МАTLAB.
Практические занятия
Тема «Нечеткие множества
и операции над ними. Нечеткая и лингвистическая переменные»:
Основы программирования в системе MATLAB.
Массивы, структуры, ячейки и классы системы MATLAB
Процесс разработки системы нечеткого вывода в интерактивном режиме
в Fuzzy Logic Toolbox. Редактор систем нечеткого вывода FIS. Редактор
функций принадлежности. Редактор правил системы нечеткого вывода.
Программа просмотра правил системы нечеткого вывода. Программа
просмотра поверхности системы нечеткого вывода. Пример разработки
системы нечеткого вывода в интерактивном режиме.
Тема «Нечеткие множества
и операции над ними. Нечеткая и лингвистическая переменные»:
Оценивание финансовой состоятельности клиентов при предоставлении
банковских кредитов.
Тема «Понятие нейронной сети. Пакет NEURAL NETWORKS
TOOLBOX»:
Инициализация пакета Neural Network Toolbox. Окно Create New Data.
Окно Create New Network. Диалоговая панель Network. Импорт-экспорт
данных в Neural Network Toolbox.
Нейронная сеть с прямой передачей сигнала. Реализация логической
функции «И». Нейронная сеть с прямой передачей сигнала.
Аппроксимация
функции.
Классификация
входных
векторов.
Демонстрационные примеры NNTool.
ПК-3
ПК-15
4
4
4
4
4
4
4
4
4
4
50
10
использованию литературы и ЭВМ и др.
Самостоятельное изучение отдельных тем курса:
- История развития теории и приложений нечетких множеств и нечеткой логики.
- Обзор ПО для нечеткого моделирования;
- Обзор ПО для построения нейронных сетей;
- Нечеткие числа и интервалы в форме (LR)функций.
- Исследование самоорганизующихся слоев Кохонена.
- Исследование самоорганизующихся карт Кохонена.
- Общая характеристика ANFIS адаптивных систем нейро-нечеткого вывода.
- Основы языка программирования системы МАTLAB.
- Основы работы в программе fuzzyTECH.
- Обучение гибридной нейронной сети.
енции
Темы, разделы, вынесенные на самостоятельную подготовку, вопросы к практическим и
лабораторным занятиям; тематика рефератной работы; контрольные, рекомендации по
Компет
Кол. час
Неделя
Самостоятельная работа студента – заочная форма обучения, срок обучения 5 лет
ПК-3
ПК-15
Тематика заданий для индивидуальной работы
1. Нечеткое моделирование оценки финансовой задолженности контрагентов на предприятии. ПК-3
2. Анализ и прогнозирование цен продукции внешнем рынке с помощью теории нечетких ПК-15
множеств.
3. Оценка обученности студента на основе теории нечеткого моделирования.
4. Нечеткое моделирование риска выбора оптимального ПО на предприятии.
5. Спроектировать нейронную сеть, реализующую оценку стоимости услуг рекламного
агентства.
6. Спроектировать нейронную сеть, реализующую оценку стоимости туристического
предложения.
7. Спроектировать нейронную сеть, реализующую оценку себестоимости продукции.
Усвоение текущего учебного материала
ПК-3
ПК-15
4
4
4
4
4
4
4
4
4
4
50
использованию литературы и ЭВМ и др.
Самостоятельное изучение отдельных тем курса:
- История развития теории и приложений нечетких множеств и нечеткой логики.
- Обзор ПО для нечеткого моделирования;
- Обзор ПО для построения нейронных сетей;
- Нечеткие числа и интервалы в форме (LR)функций.
- Исследование самоорганизующихся слоев Кохонена.
- Исследование самоорганизующихся карт Кохонена.
- Общая характеристика ANFIS адаптивных систем нейро-нечеткого вывода.
- Основы языка программирования системы МАTLAB.
- Основы работы в программе fuzzyTECH.
- Обучение гибридной нейронной сети.
енции
Темы, разделы, вынесенные на самостоятельную подготовку, вопросы к практическим и
лабораторным занятиям; тематика рефератной работы; контрольные, рекомендации по
Компет
Кол. час
Неделя
Самостоятельная работа студента – заочная форма обучения, срок обучения 3 года 6
месяцев
ПК-3
ПК-15
Тематика заданий для индивидуальной работы
1. Нечеткое моделирование оценки финансовой задолженности контрагентов на предприятии. ПК-3
2. Анализ и прогнозирование цен продукции внешнем рынке с помощью теории нечетких ПК-15
множеств.
3. Оценка обученности студента на основе теории нечеткого моделирования.
4. Нечеткое моделирование риска выбора оптимального ПО на предприятии.
5. Спроектировать нейронную сеть, реализующую оценку стоимости услуг рекламного
агентства.
6. Спроектировать нейронную сеть, реализующую оценку стоимости туристического
предложения.
7. Спроектировать нейронную сеть, реализующую оценку себестоимости продукции.
10
Усвоение текущего учебного материала
ПК-3
ПК-15
4
4
4
4
4
4
4
4
4
4
50
10
использованию литературы и ЭВМ и др.
Самостоятельное изучение отдельных тем курса:
- История развития теории и приложений нечетких множеств и нечеткой логики.
- Обзор ПО для нечеткого моделирования;
- Обзор ПО для построения нейронных сетей;
- Нечеткие числа и интервалы в форме (LR)функций.
- Исследование самоорганизующихся слоев Кохонена.
- Исследование самоорганизующихся карт Кохонена.
- Общая характеристика ANFIS адаптивных систем нейро-нечеткого вывода.
- Основы языка программирования системы МАTLAB.
- Основы работы в программе fuzzyTECH.
- Обучение гибридной нейронной сети.
ПК-3
ПК-15
ПК-3
Тематика заданий для индивидуальной работы
1. Нечеткое моделирование оценки финансовой задолженности контрагентов на предприятии. ПК-15
2. Анализ и прогнозирование цен продукции внешнем рынке с помощью теории нечетких
множеств.
3. Оценка обученности студента на основе теории нечеткого моделирования.
4. Нечеткое моделирование риска выбора оптимального ПО на предприятии.
5. Спроектировать нейронную сеть, реализующую оценку стоимости услуг рекламного
агентства.
6. Спроектировать нейронную сеть, реализующую оценку стоимости туристического
предложения.
7. Спроектировать нейронную сеть, реализующую оценку себестоимости продукции.
Усвоение текущего учебного материала
ПК-3
ПК-15
Интерактивные технологии и инновационные методы, используемые в образовательном
процессе
Основаны на использовании современных достижений науки и информационных
технологий. Направлены на повышение качества подготовки путем развития у студентов
творческих способностей и самостоятельности (методы проблемного обучения, исследовательские
методы, тренинговые формы, рейтинговые системы обучения и контроля знаний и др.). Нацелены
на активизацию творческого потенциала и самостоятельности студентов и могут реализовываться
на базе инновационных структур (научных лабораторий, центов, предприятий и организаций и
др.).
2.3.
енции
Темы, разделы, вынесенные на самостоятельную подготовку, вопросы к практическим и
лабораторным занятиям; тематика рефератной работы; контрольные, рекомендации по
Компет
Кол. час
Неделя
Самостоятельная работа студента – заочная форма обучения, срок обучения 2 года 6
месяцев
№
Наименование основных форм
Краткое
описание
и
примеры,
использования в темах и разделах, место
проведения
Часы
1.
Компьютерные симуляции
5
2.
Разбор конкретных ситуаций
Все практические работы выполняются в
компьютерных классах университета
Разработка нечетких моделей и нейронных
сетей на конкретных примерах
5
3. Средства обучения
3.1. Информационно-методические
№
Перечень основной и дополнительной литературы, методических разработок; с указанием наличия в
библиотеке
Основная литература:
Яхъяева Г.Э. Нечеткие множества и нейронные сети. – М.: БИНОМ, 2006. – 315 с.
Долженко А.И. Нечеткие модели – эффективный инструментарий для анализа
потребительского качества информационных систем: монография. – Ростов-на-Дону: РГЭУ
(РИНХ), 2008. – 220 с.
3.
Мациевский С. В. Нечеткие множества: Учебное пособие.- Калининград: Изд-во КГУ, 2004.176 с.
4.
Хайкин С. Нейронные сети. - Издательство: Вильямс ISBN: 5-8459-0890-2, 2006. - 1104 с.
5.
Пономарев А.С. Нечеткие множества в задачах автоматизированного управления и
принятия решений. - 2005. - 232 с.
6.
Леоненков А.В.
Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб: БХВ-Петербург, 2005. - 736 с.
Дополнительная литература:
1.
Рутковская Д., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие
системы. - Издательство: Горячая линия-Телеком, 2006. – 452 с.
1.
2.
2.
Маслобоев Ю.П. Введение в Neural Network Toolbox. – [Электронный ресурс]. http://matlab.exponenta.ru/neuralnetwork/book1/index.php/
3.
Осовский, Станислав. Нейронные сети для обработки информации [Текст] / С. Осовский ; пер. с
пол. И. Д. Рудинского. - М. : Финансы и статистика, 2004. - 344 с. : ил. - 3000 экз. - ISBN 5-27902567-4.
5
15
5
5
5
5
3
3.2. Материально-технические
№ ауд.
Компьютерные
классы
Основное
оборудование,
стенды,
макеты,
компьютерная техника, наглядные пособия и
другие
дидактические
материалы,
обеспечивающие проведение лабораторных и
практических занятий, научно-исследовательской
работы студентов с указанием наличия
Мультимедийный компьютер, локальная сеть,
мультимедиа интерактивное оборудование
Телевизионные
аудитории
Компьютер, телевизионная или проекционная
техника
Основное
назначение
(опытное,
обучающее,
контролирующее)
и
краткая
характеристика
использования при изучении явлений
и процессов, выполнении расчетов.
Назначение опытное, обучающее.
Применяется для создания нечетких
моделей и построения нейронных
сетей
Назначение обучающее. Применяется
для демонстрации презентаций
4. Текущий, промежуточный контроль знаний студентов
№
Тесты, вопросы для текущего контроля, для подготовки к зачету, экзамену
1.
По Модулю 1 «Нечеткие множества»:
Контрольный письменный опрос по следующим вопросам:
1. Дайте определение понятия множества.
2. Приведите основные способы и формы представления множеств.
3. Опишите способы задания функции принадлежности отдельных элементов множества.
4. Дайте определение операции объединения множеств и поясните ее смысл с помощью
диаграммы Венна.
5. Дайте определение операции пересечения множеств и поясните ее смысл с помощью
диаграммы Венна.
6. Опишите основные свойства операций над множествами: коммутативности, ассоциативности,
идемпотентности, дистрибутивности и инволюции.
7. Приведите примеры реальных задач, которые приводят к необходимости введения понятия
нечеткого множества.
10. Сформулируйте определение нечеткого множества и поясните его основной смысл.
11. Какие отношения называются бинарными? Какие примеры бинарных отношений вы могли бы
привести?
12. Дайте определение нечеткого отношения и приведите примеры нечетких отношений.
По Модулю 2 «Нечеткая логика»:
Контрольный письменный опрос по следующим вопросам:
1. Объясните сущность понятия неопределенности, его природу и основные источники.
2. Приведите классификацию лингвистических неопределенностей, поясните их сущность и дайте
примеры.
3. Раскройте сущность понятия лингвистической переменной.
4. Что представляет собой терм-множество?
5. С помощью каких правил формируются значения лингвистической переменной?
6. Приведите пример терм-множества значений некоторой лингвистической переменной.
7. Раскройте понятие фаззификация (Fuzzification).
8. Что такое аrpеrирование (Aggregation)?
9. Раскройте понятие активизация (Activation).
10. Что такое аккумуляция (Accumulation)?
11. Раскройте понятие дефаззификация (Defuzzifica tion).
12. Перечислите основные алгоритмы нечеткого вывода. Их особенности.
По Модулю 3 «НЕЧЕТКОЕ МОДЕЛИРОВАНИЕ В СРЕДЕ МАTLAB»
Контрольный письменный опрос по следующим вопросам:
1. Основные элементы системы МАTLAB. Основные приемы работы в системе МАTLAB.
2. Опишите функции редактора систем нечеткого вывода FIS в Fuzzy Logic Toolbox
3. Как создаются функций принадлежности в Fuzzy Logic Toolbox?
4. Опишите функции редактора правил системы нечеткого вывода в Fuzzy Logic Toolbox
5. Для чего нужна программа просмотра правил системы нечеткого вывода в Fuzzy Logic Toolbox?
6. Для чего нужна программа просмотра поверхности системы нечеткого вывода в Fuzzy Logic
Toolbox?
По Модулю 4 «Нейронные сети»
Контрольный письменный опрос по следующим вопросам:
1. Раскройте понятие биологического нейрона
2. Приведите классификацию нейронных сетей
4. Опишите свойства нейронных сетей
5. Раскройте понятие многослойной нейронной сети
6. Опишите интерфейс Neural Network Toolbox
7. Для чего нужна Вкладка Train Network (Обучить сеть)?
8. Что позволяет сделать вкладка Simulate?
9. Раскройте понятие нечеткого нейрона
10. Что представляет собой обучение гибридной нейронной сети?
11. Приведите пример решения задачи классификации с помощью гибридной нейронной сети.
2.
Вопросы для текущего контроля по всем темам курса:
1. Дайте определение понятия множества.
2. Приведите основные способы и формы представления множеств.
3. Покажите сущность, особенности и возможности представления множества с помощью
функции принадлежности к нему отдельных элементов универсального множества.
4. Дайте определение операции объединения множеств и поясните ее смысл с помощью
диаграммы Венна.
5. Дайте определение операции пересечения множеств и поясните ее смысл с помощью
диаграммы Венна.
6. Объясните, в чем состоит смысл основных свойств операций над множествами:
коммутативности, ассоциативности, идемпотентности, дистрибутивности и инволюции.
7. Раскройте сущность понятия разности множеств и покажите ее геометрический смысл.
8. Раскройте сущность понятия дизъюнктивной суммы множеств и покажите ее геометрический
смысл.
9. Приведите примеры реальных задач, которые приводят к необходимости введения понятия
нечеткого множества.
10. Сформулируйте определение нечеткого множества и поясните его основной смысл.
11. В чем состоит принципиальное отличие нечетко-множественного описание определенной
ситуации от ее вероятностного описания?
12. Раскройте смысл и сущность функции принадлежности как основной характеристики
нечеткого множества.
13. Приведите общее определение понятия отношения, используемого в математике и логике.
14. Какие отношения называются бинарными? Какие примеры бинарных отношений вы могли бы
привести?
15. Какие операции определяются для бинарных отношений?
16. Приведите основные свойства бинарных отношений.
17. Что представляют собой проекция отношения и его сечение?
18. Дайте определение нечеткого отношения и приведите примеры нечетких отношений.
19. Чем обусловлена необходимость решения многих практических задач в условиях
неопределенности?
20. Объясните сущность понятия неопределенности, его природу и основные источники.
21. С помощью чего можно символически охарактеризовать общую постановку задачи принятия
решений?
22. Приведите классификацию лингвистических неопределенностей, поясните их сущность и
дайте примеры.
23. Раскройте сущность понятия лингвистической переменной.
24. Какими могут быть основные особенности лингвистической переменной?
25. С помощью каких элементов можно полностью охарактеризовать лингвистическую
переменную?
26. Что представляет собой терм-множество?
27. С помощью каких правил формируются значения лингвистической переменной?
28. Приведите пример терм-множества значений некоторой лингвистической переменной.
29. В чем состоит принципиальное отличие подходов к описанию и формализации
неопределенностей с позиций теории вероятностей и с позиций теории нечетких множеств?
30. Раскройте понятие фаззификация (Fuzzification).
31. Что такое аrpеrирование (Aggregation)?
32. Раскройте понятие активизация (Activation).
33. Что такое аккумуляция (Accumulation)?
34. Раскройте понятие дефаззификация (Defuzzifica tion).
35. Перечислите основные алгоритмы нечеткого вывода. Их особенности.
36. Основные элементы системы МАTLAB. Основные приемы работы в системе МАTLAB.
37. Опишите функции редактора систем нечеткого вывода FIS в Fuzzy Logic Toolbox
38. Как создаются функций принадлежности в Fuzzy Logic Toolbox?
39. Опишите функции редактора правил системы нечеткого вывода в Fuzzy Logic Toolbox
40. Для чего нужна программа просмотра правил системы нечеткого вывода в Fuzzy Logic
Toolbox?
41. Для чего нужна программа просмотра поверхности системы нечеткого вывода в Fuzzy Logic
Toolbox?
42. Раскройте понятие биологического нейрона
43. Опишите структуру и функционирование искусственного нейрона
44. Приведите классификацию нейронных сетей
45. Опишите свойства нейронных сетей
46. Раскройте понятие многослойной нейронной сети
47. Опишите GUI-интерфейса Neural Network Toolbox
48. Какие области включает Окно Create New Data в Neural Network Toolbox
49. Какие области включает Окно Create New Network
50. Какие поля включает Окно Import or Load to Network/Data Manager
51. Для чего нужна Вкладка Train Network (Обучить сеть)?
52. Что позволяет сделать вкладка Simulate?
53. Какие Вы знаете демонстрационные примеры NNTool?
54. Раскройте понятие нечеткого нейрона
55. Что представляет собой обучение гибридной нейронной сети?
56. Приведите пример решения задачи классификации с помощью гибридной нейронной сети.
3.
Вопросы к экзамену:
1. Нечеткая алгебра как расширение булевой алгебры
2. Возникновение нечетких множеств. Нечеткая логика. Мягкие вычисления.
3. Лингвистическая неопределенность. Нечеткая логика и теория вероятностей.
4. Определения нечетких множеств. Диаграмма Заде. Представления нечетких множеств.
Диаграмма Венна.
5. Характеристики, операции, свойства нечетких множеств
6. Основные типы функций принадлежности. Нечеткие отношения
7. Определения нечеткой и лингвистической переменных.
8. Нечеткие величины, числа и интервалы.
9. Треугольные нечеткие числа и трапециевидные нечеткие интервалы
10. Понятие нечеткого высказывания и нечеткого предиката. Нечеткие предикаты.
11. Основные логические операции с нечеткими высказываниями. Логическое отрицание нечетких
высказываний.
12. Логическая конъюнкция нечетких высказываний. Логическая дизъюнкция нечетких
высказываний.
13. Нечеткая импликация. Нечеткая эквивалентность. Правила нечетких продукций.
14. Прямой и обратный методы вывода заключений в системах нечетких продукций
15. Базовая архитектура систем нечеткого вывода. Основные этапы нечеткого вывода.
Формирование базы правил систем нечеткого вывода.
16. Фаззификация (Fuzzification). Агpегирование (Aggregation). Активизация (Activation).
Аккумуляция (Accumulation). Дефаззификация (Defuzzifica tion).
17. Основные алгоритмы нечеткого вывода. Алгоритм Мамдани (Mamdani).Алгоритм Цукамото
(Тsukаmоtо). Алгоритм Ларсена (Larsen). Алгоритм Cyгено(Sugeno).
18. Примеры использования систем нечеткого вывода в задачах управления.
19. Основные элементы системы МАTLAB. Основные приемы работы в системе МАTLAB.
20. Редактор систем нечеткого вывода FIS. Редактор функций принадлежности. Редактор правил
системы нечеткого вывода. Программа просмотра правил системы нечеткого вывода. Программа
просмотра поверхности системы нечеткого вывода.
21. Общая характеристика задач кластерного анализа. Задача нечеткой кластеризации и алгоритм ее
решения.
22. Общая формальная постановка задачи нечеткого кластерного анализа. Уточненная постановка
задачи нечеткой кластеризации. Алгоритм решения задачи нечеткой кластеризации методом нечетких ссредних.
23. Средства решения задачи нечеткой кластеризации в пакете Fuzzy Logic ТoolBox.
24. История исследования в области нейронных сетей. Биологический нейрон.
25. Структура и функционирование искусственного нейрона. Постановка задачи обучения
нейронной сети.
26. Классификация нейронных сетей и их свойства.
27. Эффективность нейронных сетей. Многослойная нейронная сеть.
28. Решение задач классификации, распознавания образов, прогнозирования и управления с
помощью указанных классов нейронных сетей.
29. Назначение пакета Neural Networks Toolbox. Обзор функций пакета Neural Networks Toolbox.
30. Создание и исследование нейронных сетей средствами пакета Neural Networks Toolbox.
31. Нечеткий нейрон. Архитектура нечеткой (гибридной) нейронной сети.
32. Обучение гибридной нейронной сети.
33. Решение задачи классификации с помощью гибридной нейронной сети.
5. Дополнения и изменения в рабочей программе на учебный год
_____/______
Следующие записи относятся к п.п.
Автор
Зав. Кафедрой
Принято УМУ__________________________________ Дата:________________