Разработка модели многослойной нейронной сети и ее обучение. (проект) — различия между версиями
(→Какие начальные требования?) |
(→Чему вы научитесь?) |
||
| Строка 14: | Строка 14: | ||
=== Чему вы научитесь? === | === Чему вы научитесь? === | ||
| − | - Формулировать постановку задачи | + | - Формулировать постановку задачи <br /> |
| + | |||
- Писать надежный и понятный код <br /> | - Писать надежный и понятный код <br /> | ||
| − | - Основам теории нейронных сетей на примере классической модели многослойной нейронной сети | + | - Основам теории нейронных сетей на примере классической модели многослойной нейронной сети<br /> |
=== Какие начальные требования? === | === Какие начальные требования? === | ||
Версия 17:44, 21 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
