МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ
УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ «ВОРОНЕЖСКИЙ ГОСУДАРСТВЕННЫЙ ЛЕСОТЕХНИЧЕСКИЙ
УНИВЕРСИТЕТ ИМЕНИ Г.Ф. МОРОЗОВА»
Кафедра автоматизации производственных процессов
Нечеткая логика и искусственные нейронные сети
методические указания для самостоятельной работы студентов
по направлению подготовки
15.03.06 - Мехатроника и робототехника
Воронеж 2018
УДК 004.43
Лапшина М.Л. Нечеткая логика и искусственные нейронные сети [Электронный ресурс]: методические указания для самостоятельной работы студентов по направлению подготовки 15.03.06 - Мехатроника и робототехника / М. Л. Лапшина М-во образования и науки РФ, ФГБОУ ВО «ВГЛТУ им. Г.Ф. МОРОЗОВА». – Воронеж, 2018. – 7 с.
Методические указания разработаны в соответствии с решением кафедры автоматизации производственных процессов
Составители: д.т.н., профессор каф. АПП М.Л. Лапшина
Методические указания утверждены на заседании кафедры АПП 18.09.2018 г., протокол № 3.
2
|
СОДЕРЖАНИЕ |
|
|
|
Стр. |
1. |
Общие рекомендации |
3 |
2. |
Теоретический материал |
4 |
3. |
Вопросы к зачету |
5 |
4 Вопросы по лабораторным работам |
6 |
|
5. |
Учебно-методические материалы по дисциплине |
7 |
1. ОБЩИЕ РЕКОМЕНДАЦИИ
Дисциплина «Нечеткая логика и искусственные нейронные сети» отно-
сится к дисциплинам по выбору вариативной части учебного плана и преду-
сматривает чтение лекций, проведение лабораторных работ, тестовых зада-
ний и различного рода консультаций.
Целью изучения дисциплины «Нечеткая логика и искусственные ней-
ронные сети» является ознакомление студентов с основными классами и принципами обучения нейронных сетей, как традиционных, так и основан-
ных на нечеткой логике; сформировать у студентов практические навыки по использованию программ моделирования нейронных сетей для решения эко-
номических задач.
Изучение дисциплины «Нечеткая логика и искусственные нейронные сети» необходимо для подготовки студента к написанию выпускной квали-
фикационной работы.
В результате изучения дисциплины студент должен
знать: архитектуру, свойства и алгоритмы обучения основных классов нейронных и нечетких нейронных сетей;
уметь: применять полученные теоретические знания к решению прак-
тических задач нейросетевого моделирования в экономических и техниче-
ских приложениях;
3
владеть: принципами решения экономических задач экономического анализа, классификации, прогнозирования и управления с помощью нейрон-
ных сетей; навыками использования нейропакетов для решения указанных задач.
2. ТЕОРЕТИЧЕСКИЙ МАТЕРИАЛ
Раздел 1. Понятие нейронной сети, ее функционирование и обуче-
ние. Классификация нейронных сетей
История исследования в области нейронных сетей.
Биологический нейрон. Структура и функционирование искусственно-
го нейрона.
Постановка задачи обучения нейронной сети.
Классификация нейронных сетей и их свойства.
Эффективность нейронных сетей. Круг задач, решаемых с помощью нейронных сетей.
Раздел 2. Основные классы нейронных сетей, их обучение и приме-
нение
Многослойная нейронная сеть.
Алгоритм обратного распространения ошибки.
Сигнальный метод Хебба и алгоритм Кохонена.
Персептрон и его обучение. Нейронные сети встречного распростране-
ния. Сети Хопфилда и Хэмминга – пример нейронных сетей с обратными связями. Двунаправленная ассоциативная память.
Сети адаптивной резонансной теории.
Решений задач классификации, распознавания образов, прогнозирова-
ния и управления с помощью нейронных сетей.
Раздел 3. Нечеткая информация и нечеткий вывод
Нечеткие множества и операции над ними.
Нечеткие и лингвистические переменные.
Нечеткие отношения.
4
Нечеткий логический вывод.
Раздел 4. 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.
3 ВОПРОСЫ К ЗАЧЕТУ
1.История исследования в области нейронных сетей.
2.Биологический нейрон.
3.Структура и функционирование искусственного нейрона.
4.Постановка задачи обучения нейронной сети. Классификация нейронных сетей и их свойства.
5.Эффективность нейронных сетей.
6.Круг задач, решаемых с помощью нейронных сетей.
7.Многослойная нейронная сеть.
8.Алгоритм обратного распространения ошибки.
9.Сигнальный метод Хебба и алгоритм Кохонена.
10.Персептрон и его обучение.
11.Нейронные сети встречного распространения.
12.Сети Хопфилда и Хэмминга – пример нейронных сетей с обрат-
ными связями.
13.Двунаправленная ассоциативная память.
14.Сети адаптивной резонансной теории.
15.Нечеткие множества и операции над ними.
16.Нечеткие и лингвистические переменные.
17.Нечеткие отношения.
18.Нечеткий логический вывод.
19.Нечеткий нейрон.
20.Архитектура нечеткой (гибридной) нейронной сети.
5