Інфопакет

Штучні нейронні мережі для задач прикладної фізики

ОК 15

Обов’язкова дисципліна для ОП

Другий

2024/2025

3 Семестр

3

Магістр повинен знати основні моделі та методи штучних нейронних мереж; метод звротнього розповсюдження навчання нейронної мережі; метод Розенблата навчання нейронної мережі; метод ВідроуХоффа навчання нейронної мережі; методи навчання нейронних мереж; нейроннна мережа Кохонена; нейроннна мережа Хопфілда; класифікатор на базі нейронної мережі Хеммінга. Класифікатор на базі одношарової та багатошарової нейроннх мереж.

Очна форма

Для вивчення дисципліни «Штучні нейронні мережі для задач прикладної фізики» необхідно успішне опанування наступних курсів: «Методологія та організація наукових досліджень з основами інтелектуальної власності», «Прикладна фізика та електроніка», «Нанофізика та нанотехнології».

Дисципліна «Штучні нейронні мережі для задач прикладної фізики» передбачає вивчення основних типів нейронних мереж, їх елементів, методів навчання та прикладів прикладного застосування.

1. І.А. Терейковський, Д.А. Бушуєв, Л.О. Терейковська. Штучні нейронні мережі базові положення: навч. посібник. — Київ НТУУ КПІ ім. Ігоря Сікорського 2022, 123 с. 2. Л. М. Добровська, І. А. Добровська. Теорія та практика нейронних мереж: навч. посіб. – К.: НТУУ «КПІ» Вид-во «Політехніка», 2015. – 396 с. 3. Л. М. Добровська, І. А. Добровська Штучний інтелект. Основи теорії нейронних мереж: метод. вказівки до практ. занять для студ. спец. «Інформаційні управляючі системи та технології» міжуніверситетськ. медико-інженер. ф-ту. – Київ: НТУУ «КПІ», 2009. – 180 с.

Лекції, самостійна робота, контрольні роботи, завдання заліку.

Підсумкове оцінювання (у формі заліку): форма заліку письмово-усна. Всього на залік можна отримати від 0 до 40 балів. Умовою досягнення позитивної оцінки за дисципліну є отримання не менш ніж 60 балів.

Українська