931
.pdfМИНИСТЕРСТВО 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
21.Обучение гибридной нейронной сети.
4 ВОПРОСЫ К ЛАБОРАТОРНЫМ РАБОТАМ
Лабораторная работа 1
1.Что называется функцией состояния?
2.Перечислите свойства полной ошибки
3.Какие точки будут точками минимума?
Лабораторная работа 2
1.Что подразумевается под классификацией образов?
2.Что подразумевается под кластеризацией?
3.В чем суть аппроксимации функции?
Лабораторная работа 3
1.Как записывается нейрон слоя Кохонена?
2.Как записывается нейрон слоя Гроссберга?
3.Что подразумевается под нейронами встречного распростране-
ния?
Лабораторная работа 4
1.Сформулируйте принцип построения нейронной сети Хопфилда
2.Сформулируйте принципы функционирования сети
3.Как записываются весовые коэффициенты тормозящих синапсов во втором?
Лабораторная работа 5
1.Что называется классификатором?
2.Принципы использования нейронных сетей с прямой связью в классификационных задачах
3.Как выбирается уровень сложности?
Лабораторная работа 6
1. Что называется основным компонентом в процедурах нечеткого
вывода?
6
2. В чем состоит достоинство моделей, построенных на нейронных сетях?
Лабораторная работа 7
1.Что называется нечеткой нейронной сетью?
2.Что называется нечетким нейроном «И»?
3.Что называется нечетким нейроном «ИЛИ»?
5. УЧЕБНО-МЕТОДИЧЕСКИЕ МАТЕРИАЛЫ ПО ДИСЦИПЛИНЕ
Основная литература
1. Игошин В. И. Математическая логика [Электронный ресурс]: рек.
УМО по образованию в области подготовки педагогических кадров в качест-
ве учебного пособия / В. И. Игошин. - М.: ИНФРА-М, 2018. - 398 с.
Дополнительная литература
1. Овчинников П.Е. Применение искусственных нейронных сетей для обработки сигналов [Электронный ресурс]: учебно-методическое пособие /
П. Е. Овчинников. - Нижний Новгород: Нижегородский госуниверситет,
2012. - 32 с. - ЭБС "Единое окно".
7