Лекции

#	Тема	Дата
M1	Многослойный персептрон
M1L01	Модель нейрона. Дельта-правило обучения нейрона	03 сен
M1L02	Многослойный персептрон. Линейная отделимость	10 сен
M1L03	Метод обратного распространения ошибок	17 сен
M1L04	Свёрточная нейронная сеть	24 сен
M2	Анализ главных компонент, вероятностный классификатор
M2L05	Анализ главных компонент (PCA), сингулярное разложение матрицы (SVD)	01 окт
M2L06	Большие данные. Выделение главных компонент	08 окт
M2L07	Нормальное распределение. Вероятностный классификатор	15 окт
M2L08	Сети радиально-базисных функций (RBF)	22 окт
M2L09	Биометрия	29 окт
M3	Генетические алгоритмы
M3L10	Генетические алгоритмы. Репродуктивный план Холланда	05 ноя
M3L11	Оптимизация методом роя частиц (PSO)	12 ноя
M3L12	Генетическое программирование	19 ноя
K1	Контрольное занятие	19 ноя
M4	Искусственные нейронные сети
M4L13	Нейронные сети Кохонена	26 ноя
M4L14	Самоорганизующиеся карты Кохонена (SOM)	03 дек
M4L15	Метод опорных векторов (SVM)	10 дек
M4L16	Нелинейный метод опорных векторов	17 дек
K2	Итоговая контрольная работа	24 ноя

Материалы

#	Тема	Сдать
M1P01	Распознавание рукописных цифр однослойным персептроном	07 сен
M1P02	Многослойный персептрон. Линейная отделимость	14 сен
M1P03	Метод обратного распространения ошибок	21 сен
M1P04	Свёрточная нейронная сеть	28 сен
M2P05	Анализ главных компонент: выявление фальшивых лекарств	05 окт
M2P06	Большие данные. Выделение главных компонент	12 окт
M2P07	Нормальное распределение. Наивный классификатор Байеса	24 окт
M2P08	Сети радиально-базисных функций. Мультинормальное распределение	27 окт
M2P09	Качество биометрических параметров	04 ноя
M3P10	Репродуктивный план Холланда	09 ноя
M3P11	Оптимизация методом роя частиц (Particle Swarm Optimization)	16 ноя
M3P12	Временная обработка. Память. Предсказатель	19 ноя
M4P13	Нейронные сети Кохонена	04 дек
M4P14	Самоорганизующиеся карты Кохонена (Self Organizing Map)
M4P15	Метод опорных векторов (Support Vector Machine)	14 дек
M4P16	Нелинейный метод опорных векторов	23 дек
M4P17	Контрольная работа (работа над ошибками)	28 дек

Литература

1. Хайкин С. Нейронные сети. Полный курс. — М.: "Вильямс", 2006. — 1104 С.
2. MNIST database of handwritten digits.
3. Уоссермен Ф. Нейрокомпьютерная техника: теория и практика. — М.: "Мир", 1992. — 260 С.
4. Aysegul Dundar Convolutional Neural Networks. — YouTube, 2013. —
5. Померанцев А. Метод Главных Компонент (PCA). — Российское хемометрическое общество, 2011.
6. Эсбенсен К. Анализ многомерных данных. — Черноголовка: Изд-во ИПХФ РАН, 2005. — 160 С.
7. Сато Ю. Без паники! Цифровая обработка сигналов. — М. : Додэка-XXI, 2010. — 176 С.
8. Среднеквадратическое отклонение. — ВикипедиЯ. —
9. Вороновский Г.К. и др. Генетические алгоритмы, Искусственные нейронные сети и Проблемы виртуальной реальности. — Харьков "Основа", 1997. — 107 С.
10. ГОСТ Р 52633.5–2011. Автоматическое обучение нейросетевых преобразователей биометрия-код доступа. — 2011. — 20 С.
11. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров. — М.: Наука, 1973. — 832 С.
12. Иванов А.И. Подсознание искусственного интеллекта. Программирование автоматов нейросетевой биометрии языком их обучения. — Пенза: ОАО "ПНИЭИ", 2012. — 125 С.
13. Luke S. Essentials of Metaheuristics. — Second edition, Online version 2.1, 2014. — 255 С.
14. Цой Ю.Р. Люк С. Основы метаэвристик. Перевод. — 2012. — 204 С.
15. Воронцов К.В. Лекции по методу опорных векторов. — 2007. — 18 С.

Результаты

№	Лек	M1				M2					M3			M4				Итог
№	Лек	P₀₁	P₀₂	P₀₃	P₀₄	P₀₅	P₀₆	P₀₇	P₀₈	P₀₉	P₁₀	P₁₁	P₁₂	P₁₃	P₁₅	P₁₆	P₁₇	K₁	K₂	Баллы
1.	2	7₉	9₁₂	9₁₂	10₁₂	10₁₂	29₁₂	15₁₂	29₁₂	29₁₂	29₁₂	29₁₂	29₁₂				29₁₂	19₁₁	24₁₂	Q
2.	8	7₉	14₉	16₁₁	26₁₀	26₁₀	23₁₁	14₁₂	26₁₂	6₁₂	3₁₂	21₁₂	6₁₂	24₁₂			29₁₂	19₁₁	24₁₂	J
3.	7	7₉	11₁₂	11₁₂	11₁₂	11₁₂	13₁₂	13₁₂		13₁₂	14₁₂	28₁₂	28₁₂	28₁₂				19₁₁	24₁₂	P
4.	10	20₁₂	21₉	1₁₁	30₉	12₁₀	19₁₀	15₁₁	27₁₂	29₁₁	26₁₁	3₁₂	21₁₂	7₁₂			25₁₂	19₁₁	24₁₂	K
5.	10	1₁₁	14₉	21₉	24₁₂	5₁₀	23₁₀	1₁₁	14₁₂	23₁₁	16₁₁	15₁₂	14₁₂	27₁₂			29₁₂	19₁₁	24₁₂	J
6.	14	8₉	2₁₂	13₁₂		13₁₂	21₁₂			28₁₂	28₁₂	21₁₂		21₁₂				19₁₁	24₁₂	R
7.	4	7₉	14₉	21₉	5₁₀	5₁₀	12₁₀	2₁₁	24₁₂	17₁₁	10₁₁	14₁₂	23₁₁	19₁₂			24₁₂	19₁₁	24₁₂	F
8.	6	7₉	11₉	20₉	1₁₀	8₁₀	15₁₀	24₁₂	29₁₂	24₁₂	7₁₂	11₁₂	21₁₁	29₁₂			29₁₂	✖	24₁₂	L
9.	6	7₉	14₉	29₁₂	28₁₂	2₁₁	2₁₁	27₁₂	28₁₂	21₁₂	23₁₂	23₁₂	19₁₂		30₁₂			19₁₁	24₁₂	M
10.	5	18₁₂	16₉	21₉	18₁₂	5₁₀	2₁₁		27₁₂	2₁₁	11₁₁	27₁₂	23₁₁	18₁₂			27₁₂	19₁₁	24₁₂	H
11.	9	7₉	17₉	4₁₀	6₁₂	8₁₀	17₁₀	27₁₀	2₁₁	9₁₁	16₁₁	23₁₁	21₁₂	3₁₂	29₁₂	29₁₂	25₁₂	19₁₁	24₁₂	C
12.	12	8₉	14₉	12₁₂		5₁₀	13₁₀					29₁₂	21₁₁	27₁₂				19₁₁	24₁₂	T
13.	11	9₉	13₉	28₉	12₁₂	11₁₀	12₁₀	25₁₀	3₁₁	28₁₁	13₁₁	15₁₁	22₁₁	5₁₂	21₁₂	29₁₂	26₁₂	19₁₁	24₁₂	B
14.	11	6₁₂	14₉	21₉	28₉	5₁₀	12₁₀	24₁₀	2₁₁	8₁₁	8₁₁	16₁₁	22₁₁	30₁₁	23₁₂		27₁₂	19₁₁	24₁₂	I
15.	8	7₉	8₁₀	8₁₂	29₁₂	8₁₀	29₁₀	8₁₂	30₁₁	14₁₂	30₁₁	30₁₁	22₁₂	28₁₂			29₁₂	19₁₁	24₁₂	N
16.	5	23₁₂	14₉	29₁₂	28₉	30₁₁	30₁₁	19₁₂		5₁₁	20₁₂	24₁₂	27₁₂				26₁₂	19₁₁	24₁₂	K
17.	4	7₉	14₉	3₁₀	29₁₂	5₁₀	13₁₀	8₁₁	24₁₂		16₁₁	24₁₁	21₁₁	9₁₂			27₁₂	19₁₁	24₁₂	E
18.	3	7₉	21₉	21₉	24₁₂	13₁₂	21₁₂	26₁₂				21₁₂	27₁₂	27₁₂				19₁₁	24₁₂	O
19.	12	26₁₂	14₉	23₁₂		5₁₀	13₁₀	14₁₂		29₁₂	29₁₂		21₁₁					19₁₁	24₁₂	S
20.	1	7₉	14₉	21₉	30₉	5₁₀	12₁₀	20₁₂	18₁₂	18₁₂	9₁₁	16₁₁	21₁₁	2₁₂	14₁₂	29₁₂	26₁₂	19₁₁	24₁₂	D
21.	14	7₉	14₉	21₉	28₉	5₁₀	12₁₀	24₁₀	28₁₀	8₁₁	8₁₁	15₁₁	21₁₁	4₁₂	22₁₂	22₁₂	24₁₂	19₁₁	24₁₂	A
22.	3	7₉	14₉	1₁₀		5₁₀	15₁₀	26₁₂			30₁₁	6₁₂	22₁₁				26₁₂	19₁₁	24₁₂	G
23.	2	29₁₂	6₁₀			28₁₂	28₁₂				22₁₂	28₁₂	22₁₂					19₁₁	24₁₂	U
24.	9	9₉	16₉															19₁₁	24₁₂	W
25.	15	23₉	21₁₂			28₁₂	29₁₂											✖	✖	V

Лекции

M1

Многослойный персептрон

M2

Анализ главных компонент, вероятностный классификатор

M3

Генетические алгоритмы

M4

Искусственные нейронные сети

Материалы

Литература

Результаты