ромежуточная аттестация и требования к уровню освоения дисциплины.

Примерный перечень вопросов к зачёту.

1. Существующие методы обработки и анализа данных.
2. История развития искусственных нейронных сетей.
3. Области применения искусственных нейронных сетей.
4. Проблемы и задачи, к решению которых применимы технологии искусственных нейронных сетей.
5. Базы данных. Обработка и анализ, различные методы.
6. Понятие искусственного интеллекта.
7. Компьютерные программы.
8. Средства «Data Mining».
9. Основные понятия и определения.
10. Биологический нейрон.
11. Структура и свойства искусственного нейрона.
12. Нейронная сеть.
13. Классификация нейронных сетей.
14. Однослойные и многослойные нейронные сети.
15. Теорема Колмогорова-Арнольда.
16. Работа Хехт-Нильсена.
17. Следствия из работ Колмогорова-Арнольда и Хехт-Нильсена.
18. Использование средств EXCEL для решения задач линейного планирования.
19. Архитектура (топология) нейронных сетей.
20. Виды функций активации.
21. Нейросети обратного распространения.
22. Нейросети встречного распространения.
23. Оценка необходимого числа нейронов в скрытых слоях.
24. Сети Кохонена.
25. Сети Хопфилда.
26. Нейроподобные системы автономного адаптивного управления.
27. Задачи, решаемые в контексте нейронных сетей.
28. Получение достоверной базы данных.
29. Выбор структуры нейронной сети.
30. Оценка необходимого числа нейронов в скрытых слоях.
31. Обучение нейронной сети.
32. Алгоритм обратного распространения ошибки.
33. Обучение нейросетей обратного распространения.
34. Проход вперед. Обратный проход.
35. Подстройка весов выходного слоя.
36. Подстройка весов скрытого слоя.
37. Схемы обучения нейронных сетей обратного распространения.
38. Проблемы обучения нейросетей.
39. Возможные недостатки при обучении (обощение, переобучение).
40. Примеры задач. Получение достоверных баз данных.
41. Обработка данных.
42. Средства «Data Mining».
43. Аналитическая платформа «Deductor».
44. Выбор структуры нейронной сети.
45. Обучение сети.
46. Критерии остановки работы сети.

III. Учебно-методическое и информационное обеспечение учебной дисциплины

3.1. Рекомендуемая основная литература.

3.2. Рекомендуемая дополнительная литература.

3.3. Программное обеспечение и Интернет-ресурсы.

1. База электронных книг научно-методической направленности (http://www.elibrary.ru/)

2. Библиотека. Наука. Математика. (www.newlibrary.ru)

3. Российское образование. Федеральный портал. (www.edu.ru)

4. Математическое Бюро: Решение задач по высшей математике (www.matburo.ru)

5. Нехудожественная библиотека (www.nehudlit.ru)

6. Методы аназиза с элементами искусственного интеллекта (http://www.basegroup.ru)