Александр Кириченко - УМК «Нейросетевые технологии». Руководство по подготовке квалифицированных нейроконструкторов

В состав УМК включены 4 учебные программы, контрольно-измерительные материалы для них и методическая литература в виде pdf-файлов издательства Ридеро для изучения каждой части дисциплины «Нейросетевые технологии»:

– «Основы теории искусственных нейронных сетей. pdf»

– «Универсальный нейропакет (Графический нейросетевой редактор – имитатор).pdf»

– «Конструирование искусственных нейронных ансамблей (ИНА).pdf»

– «Нейросетевое программирование. pdf»

и pdf-файл издательства КНОРУС

«Практикум по нейропакетам для бакалавров», М., 2019г. а так же сетевое электронное издание учебного пособия

«Нейропакеты. Лекции. 2016.pdf», 248 страниц.

В реальных условиях оформление рабочих программ часто меняется. Состав и структура их зависят от вуза. Поскольку форма и содержание рабочей программы непостоянны, в разделе «Рабочие программы» помещены только их отличительные особенности.

Ввиду отсутствия подходящего отечественного нейроконструктора, обучение ориентировано на использование свободнораспространяемого в Интернет нейросетевого пакета MеmBrain.

Первые две части сориентированы на обучение в составе бакалавриата; третья и четвёртая части предназначены для углублённого изучения нейросетевых технологий в магистратуре и в аспирантуре.

Контрольно-измерительные материалы могут быть реализованы с помощью комплекса freeware тестирующих программ, полученных с сайта http://mytest.klyaksa.net/.

Моделирование нейроконструкций началось с плоских нейросетей. Научились создавать сети для решения задач классификации, кластеризации, прогнозирования, предсказания. Показали, что эти нейросети могут обучаться и получать (генерировать) новые знания.

А медики и биологи в это время работали с нейросетями другого типа: их можно назвать 3d-сетями, или динамическими нейросетями, образами, объектами для которых существенным является фактор времени. Нейроконструкции у них работали не только с плоскими нейросетями. В этих нейроконструкциях нужно было иметь память для хранения знаний. Причём, хранить надо знания разных типов (символы, понятия, правила, …) и всё это в связи со временем. Обнаружены нейроны новой, не встречавшейся ранее конструкции, нового предназначения, нетипичные для используемых плоских нейросетей.

При обработке новых типов знаний появилась необходимость хранения новых характеристик – свойств, таких, как ассоциации, интуиция, …, и явлений (озарение, …), алгоритмов, процессов. Появилась необходимость изучения нового процесса – мышления, алгоритмов мышления (логика, аналогии, ассоциации, …). Новые виды мышления: ассоциативное, логическое, конкретноситуационное, понятийное, эмпирическое, нагляднообразное, символическообразное, пралогическое, креативное активно используют СУБЗ и специфические для разных видов мышления конструкции.

Создаваемые в будущем нейроконструкции могут выполняться в виде эвристических программ, экспертных систем, систем символьных преобразований, баз знаний, машин логического вывода, систем автоматического программирования, рассуждающих систем, нейронных программных систем, семантических поисковых систем, систем речевого общения, и других…

Можно надеяться, что создаваемые нейроконструкции с постоянно растущим интеллектом в конечном итоге позволят решать трудно формализуемые задачи, такие, как:

– доказательство теорем,

– управление роботами,

– распознавание изображений,

– машинный перевод,

– понимание текстов на естественном языке,

– программирование компьютерных игр,

– машинное творчество (синтез музыки, стихотворений, текстов, сказок)

и разрабатывать модели Высшей нервной системы человека, основанные на активном использовании интуиции, ассоциативного поиска и креативного мышления.

Принятое построение последовательности преподавания дисциплины позволяет реализовать постепенное возрастание сложности изучаемых нейроконструкций:

«Нейроконструкции 1 уровня сложности»

– Нейроны (командные нейроны-переключатели, пороговые нейроны, нейронные слои с латеральным торможением, и др.);

– нейронные ансамбли;

– функциональные узлы;

– плоские нейросети (афферентные нейросети; сети Кохонена; рекуррентные НС; рекурсивные нейросети; сети Гроссберга; нейросети, работающие по принципу «победитель забирает все»…)

– нейросетевые модели без усложнений.

«Нейроконструкции 2 уровня сложности»

– глубокие нейросети

– конструкции для глубокого обучения,

– группирование нейросетей в нейроконструкции, использованние созданных групповых отношений

– взаимодействие подсетей разного уровня (переключение обучающих модулей в разных группах нейроконструкции),

– активное использование свёрток и свёрточных нейросетей.

– программы на алгоритмическом языке C# для эмуляции, настройки и тестирования нейронных сетей различной архитектуры.

« Нейроконструкции более высокого уровня сложности для моделирования высшей нервной деятельности»

– модели, реализующие лингвистическую экспертизу текста;

– модели, использующие интуицию;

– реализация сформированного при обучении нейросети нового знания в правила продукции;

– нейроконструкции с использованием ассоциативного поиска;

– реализация элементов креативного мышления.

Все занятия по данной рабочей программе должны даваться в разрезе 4 тем:

Цели освоения дисциплины «Теория нейронных сетей»:

• Приобретение знаний и практического опыта в области теории нейронных сетей, различных архитектур и способов их настройки;

• Изучение и обеспечение основ для последующих курсов, посвященных разработке нейросетевых методов и программ решения прикладных задач;

• Практическое освоение современных нейросетевых пакетов, C#-пространств имён для эмуляции нейронных сетей различной архитектуры, и др;

• Приобретение навыков исследовательской работы, предполагающей самостоятельное изучение специфических нейросетевых технологий, широко применяемых в различных областях современной науки и техники.

Компетенции обучающегося, формируемые в результате освоения дисциплины

В результате освоения дисциплины студент должен: