Разработка модели многослойной нейронной сети и ее обучение. (проект) — различия между версиями
(→Чему вы научитесь?) |
(→Критерии оценки) |
||
| Строка 37: | Строка 37: | ||
=== Критерии оценки === | === Критерии оценки === | ||
| − | 4-5 : реализованная и протестированная модель многослойной нейронной сети и алгоритм обучения (обратного распространения ошибки) | + | 4-5: реализованная и протестированная модель многослойной нейронной сети и алгоритм обучения (обратного распространения ошибки). |
| − | 6-7 : Оптимизация алгоритма обучения посредством автоматической коррекции шага обучения; инициализации весовых коэффициентов. | + | 6-7: Оптимизация алгоритма обучения посредством автоматической коррекции шага обучения; инициализации весовых коэффициентов. |
| − | 8-10 : Дополнительно, визуализация процесса обучения ( | + | 8-10: Дополнительно, визуализация процесса обучения (зависимость интегральной ошибки от номера итерации/эпохи), работа с файлами (возможность интеграции import/export файлов обучающей выборки с существующим ПО статистической обработки данных). |
=== Ориентировочное расписание занятий === | === Ориентировочное расписание занятий === | ||
Версия 22:13, 24 ноября 2015
| Ментор | Иван Лисенков |
| Учебный семестр | Весна 2016 |
| Учебный курс | 1-й курс |
| Проект можно развивать на летней практике | |
| Максимальное количество студентов, выбравших проект: 3 | |
Что это за проект?
Разработать приложение моделирующую классическую модель многослойной нейронной сети с возможностью установки вручную весов синаптических связей, а так же автоматической коррекции весов с помощью алгоритма обучения.
Чему вы научитесь?
- Формулировать постановку задачи.
- Писать надежный и понятный код.
- Основам теории нейронных сетей на примере классической модели многослойной нейронной сети.
Какие начальные требования?
- Программирование на C/C++/Python (в рамках прослушанного курса).
- Желание разобираться в современных алгоритмах теории искуственных нейронных сетей.
Какие будут использоваться технологии?
C++ / Python в рамках прослушанного курса.
Темы вводных занятий
Основы теории нейронных сетей (Модель Маккалока-Пиитса, Персептрон Розенблатта, Многослойная нейронная сеть, Алгоритм обучения многослойной нейронной сети методом обратного распространения ошибки).
Направления развития
- Визуализация обучающей выборки, предварительная обработка данных.
- Интеграция с реляционной базой данных.
Критерии оценки
4-5: реализованная и протестированная модель многослойной нейронной сети и алгоритм обучения (обратного распространения ошибки).
6-7: Оптимизация алгоритма обучения посредством автоматической коррекции шага обучения; инициализации весовых коэффициентов.
8-10: Дополнительно, визуализация процесса обучения (зависимость интегральной ошибки от номера итерации/эпохи), работа с файлами (возможность интеграции import/export файлов обучающей выборки с существующим ПО статистической обработки данных).
Ориентировочное расписание занятий
ВТ 15.00-21.00
ЧТ 15.00-21.00
