Распределение учебных часов по темам, видам занятий и видам самостоятельной работы

№

темы

Название разделов, тем рабочей программы и видов самостоятельной работы

Объем учебных часов

Сем.

Литература по темам

Лекции

Лаб.

работы

Практ.

занятия.

Семинары

Ауд. занятия

Самост.

Работа

*

Всего

Всего

В инте-рактивн. форме

1.

Введение. Техника нейронных сетей (НС) и ее применение.

-

-

1

-

1

-

1

2

8

Л1,Л2

2.

Модель нейрона.

-

-

1

-

1

-

1

2

8

Л1,Л2,Д2

3.

Архитектура НС.

-

1

1

-

2

-

1

3

8

Л1,Л2,Д2

4.

Примеры простейших НС.

-

1

1

-

2

1

1

3

8

Л1,Л2

5.

Обзор алгоритмов обучения НС.

-

-

2

-

2

2

2

4

8

Л1,Л2

6.

Парадигмы обучения.

-

-

2

-

2

-

2

4

8

Л1,Л2

7.

Алгоритмы обучения.

-

1

4

-

5

1

2

7

8

Л1,Л2

8.

Моделирование НС в среде Matlab с использованием функций Neural Network Toobox (NNT).

-

1

-

-

1

1

3

4

8

Л1,Л3,Д1

9.

Решение задачи классификации с позиций нейробиологии.

-

1

-

1

-

2

3

8

Л1,Л2

10.

Псевдоинверсный и градиентный методы оценивания матрицы ассоциативной памяти.

-

-

2

-

2

-

2

4

8

Л1,Л2

11.

Перцептрон, обучение по методу коррекции ошибки.

-

-

1

-

1

-

2

3

8

Л2,Л3,Д4

12.

Максимально-правдоподобная оценка синаптических весов перцептрона.

-

-

2

2

-

2

4

8

Л1,Л2

13.

Адаптивные фильтры.

-

4

4

-

8

4

8

16

8

Л2,Л3,Д1,Д4

14.

Алгоритмы адаптации по методу наименьших квадратов.

-

-

2

-

2

-

4

6

8

Л1,Л2,Д4

15.

Применение МНК-алгоритмов для обучения многомерного перцептрона.

-

-

1

-

1

-

2

3

8

Л1,Л2,Д2,Д3

16.

Градиентные алгоритмы адаптации и их использование для обучения НС.

-

3

1

-

4

1

4

8

8

Л2,Л3,Д1,Д4

17.

Многослойные нерекуррентные НС.

-

4

3

-

7

2

4

11

8

Л2,Л3,Д1

18.

Применение МНК-алгоритмов для обучения многослойной НС.

-

-

1

-

1

-

4

5

8

Л1,Л2,Д2

19.

НС на радиально-базовых функциях.

-

-

2

-

2

-

2

4

8

Л1,Л2

20.

Самоорганизующиеся НС, состязательное обучение.

-

2

2

-

4

2

4

8

8

Л2,Л3,Д1

21.

Техника LVQ (Learning Vector Quantization).

-

3

2

-

5

1

4

9

8

Л2,Л3,Д1

22.

Обучение Хебба в самоорганизующихся НС.

-

-

1

-

1

-

2

3

8

Л1,Л2

23.

Информационно-теоретические модели самоорганизующихся систем.

-

-

1

1

-

2

3

8

Л1,Л2

24.

Нейродинамические системы.

-

-

2

-

2

-

4

6

8

Л1,Л2,Д2

25.

Рекуррентные инерционные НС.

-

2

2

-

4

-

2

6

8

Л1,Л2,Д2

26.

Модульно-экспертные НС.

-

-

1

-

1

-

2

3

8

Л1,Л2

27.

Заключение.

-

-

1

-

1

-

1

2

8

Л1,Л2

Курсовой проект (работа)

-

-

-

-

Индивид домашнее задание (реферат, доклад, расчетно-графическая работа,…)

-

-

-

-

Л1,Л2

Подготовка к экзамену

-

-

-

ИТОГО:

22

44

-

66

15

70

136

8