Использование ИНС в социологии

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ
РОССИЙСКОЙ ФЕДЕРАЦИИ
Саратовский государственный университет имени Н.Г. Чернышевского
Социологический факультет
УТВЕРЖДАЮ
___________________________
"__" __________________20__ г.
Рабочая программа дисциплины
Спецкурс 6 ИСПОЛЬЗОВАНИЕ ИСКУССТВЕННЫХ НЕЙРОСЕТЕЙ В
СОЦИОЛОГИИ
Направление подготовки
230700
Прикладная информатика
Профиль подготовки
Прикладная информатика в социологии
Квалификация (степень) выпускника
Бакалавр
Форма обучения очная
Саратов
2011
1. Цели освоения дисциплины
Целями освоения дисциплины «Использование ИНС в социологии»
являются:
 ознакомление обучающихся с понятиями, фактами и методами,
составляющими теоретические искусственных нейронных сетей;
 получение обучающимися знаний по теории ИНС, необходимых для
понимания её приложений к теоретической информатике, социологии и
прикладным дисциплинам (таким как
теория искусственного
интеллекта,
математическое
моделирование
различных
информационных процессов и явлений и другим);
 ознакомление обучающихся с понятийным аппаратом и выработка
способности
его
использования
в
профессиональной
и
исследовательской деятельности.
2.Место дисциплины в структуре ООП бакалавриата
Дисциплина «Использование ИНС в социологии является дисциплиной
по выбору и относится к профессиональному циклу Б3+ ООП.
Для освоения дисциплины «Использование ИНС в социологии»
необходимы знания, умения и навыки, полученные при изучении таких
дисциплин ООП как «Математика», «Информатика и программирование»,
«Логика».
Освоение дисциплины «Использование ИНС в социологии»
необходимо как предшествующее для таких дисциплин как «Компьютерное
обеспечение социологического исследования», «Теория информатизации
общества».
3 Компетенции обучающегося, формируемые в результате
освоения дисциплины.
В результате освоения дисциплины «Использование ИНС в
социологии» у обучающегося частично формируется следующая
компетенция - способность использовать в познавательной и
профессиональной деятельности базовые знания в области теории
информационных систем и искусственного интеллекта (ОК-1), способность
самостоятельно приобретать и использовать в практической деятельности
новые знания и умения, стремится к саморазвитию (ОК-5), способность
осознавать социальную значимость своей будущей профессии, обладать
высокой мотивацией к выполнению профессиональной деятельности (ОК-6).
В результате освоения дисциплины «Использование ИНС в
социологии» обучающийся должен:
•знать: определения, понятия, формулировки теорем, принципы построения,
обучения, функционирования ИНС, алгоритмы решения задач.
•владеть: представлениями о приложениях различных методов теории ИНС
к задачам прикладной социологии.
4. Структура и содержание дисциплины (модуля)
Общая трудоемкость дисциплины составляет 6 зачетных единиц, 216 часов.
№
п/п
1.
2.
3.
Раздел дисциплины
Нейронные сети
при изучении
когнитивных
процессов.
Принципиальная
схема нейронных
сетей, архитектура
восприятия
информации и
распознавания
образов
Архитектура
восприятия сети.
Линейная автоассоциативная память. Линейная
гетероассоциативная память. Самопродуцирование
ошибок
Нейрон и его
модели. Персептрон. Линейный
взвешенный Сумматор; Адаптивный
ЛВС; адаптивный
ЛВС с сигмоидой
на выходе
Сем
естр
Недел
я
семес
тра
Виды учебной работы, включая
самостоятельную работу студентов и
трудоемкость (в часах)
Лекц
ии
Практи
ческие
заняти
я
Лаборат
орные
занятия
КСР
Самост
оятельн
ая
работа
Формы
текущего
контроля
успеваемости
(по неделям
семестра)
Формы
промежуточной
аттестации (по
семестрам)
7
1-3
6
8
4
12
Решение
задач
на
практических
за-нятиях;
домашнее
задание.
7
4-6
6
8
4
12
Решение
задач
на
практических
за-нятиях;
домашнее
задание.
7
7-8
6
10
4
12
Решение
задач
на
практических
за-нятиях;
домашнее
задание.
4.
5.
6.
Алгоритм
обратного распространения ошибки;
рекуррентный
метод наименьших
квадратов обучения
сети
Независимое применение ГА и ИНС.
ИНС для поддержки ГА. ГА для
поддержки ИНС
7
9-11
6
8
6
4
7
12-14
6
8
6
4
Применение ГА
для обучения ИНС.
ГА для выбора
топологии ИНС.
Примеры
7
15-17
6
10
6
4
10
34
52
18
24
70
Итого
12
12
Решение
задач
на
практических
за-нятиях;
домашнее
задание.
Решение
задач
на
практических
за-нятиях;
домашнее
задание.
Решение
задач
на
практических
за-нятиях;
домашнее
задание.
экзамен
Тема 1. Особенности и признаки ИНС
1.1.Нейронные сети при изучении когнитивных процессов.
1.2. Принципиальная схема нейронных сетей.
1.3. Архитектура восприятия информации и распознавания образов
1.4. Архитектура восприятия сети..
1.5. Линейная автоассоциативная память. Линейная гетероассоциативная
память.
1.6. Самопродуцирование ошибок
Тема 2. Нейрон
2.1. Нейрон и его модели. Персептрон.
2.2. Линейный взвешенный сумматор.
2.3. Адаптивный ЛВС.
2.4. Адаптивный ЛВС с сигмоидой на выходе.
Тема 3. Обучение ИНС
3.1. Алгоритм обратного распространения ошибки .
3.2. Рекуррентный метод наименьших квадратов обучения сети.
3.3. Обучение с учителем
Тема 4. Генетические алгоритмы и ИНС.
4.1. Независимое применение ГА и ИНС.
4.2. ИНС для поддержки ГА.
4.3. ГА для поддержки ИНС
Тема 5. ГА в построении ИНС.
5.1. Применение ГА для обучения ИНС.
5.2. ГА для выбора топологии ИНС. Примеры.
5. Образовательные технологии
Лекции, разбор конкретных ситуаций, обсуждение возможностей
практического применения получаемых знаний и навыков, мозговой штурм,
мастер-класс.
6. Учебно-методическое обеспечение самостоятельной работы
студентов. Оценочные средства для текущего контроля успеваемости,
промежуточной аттестации по итогам освоения дисциплины.
При изучении дисциплины «Интеллектуальные информационные
системы» предусмотрены следующие виды самостоятельной работы
обучающихся:
 разбор теоретического материала по конспектам лекций и пособиям;
 самостоятельное изучение указанных теоретических вопросов;
 решение задач по темам практических занятий;
 выполнение домашней контрольной работы.
План самостоятельной работы по курсу Интеллектуальные
информационные системы.
План самостоятельной работы по ИИС написан в форме вопросов
промежуточной аттестации, при этом каждый вопрос снабжен ссылкой на
наиболее подходящий учебник.
1. Что является объектом исследования в моделирования искусственного
интеллекта. Каковы исторически сложившиеся основные направления
применения ИНС? Сбор данных для нейронной сети. [2б, Введение.]
2. Пре/пост процессирование. Шкалирование. Номинальные переменные. [1б,
гл.1, §1,2.]
3. Многослойный персептрон. Обучение многослойного персептрона.
Понятие поверхности ошибок. [1б, гл.1, §1,2,3,4.]
4. Алгоритм обратного распространения. Переобучение и обобщение.
Кросспроверка. [1б, гл.2, §1; 2б, гл.2, §1-4.]
5. Отбор данных. Несбалансированный набор данных. Этапы обучения
многослойного персептрона. Другие алгоритмы обучения. [1б, гл.2, §1,4; 2б,
гл.2, §5-7.]
6. Радиальная базисная функция (RBF). Сравнение MLP и RBF. [2б, гл.2,
§13,14; 1б, гл.2, §4,5.]
7. Вероятностная нейронная сеть. Модификации базовой модели. [2б, гл.2,
§8-11; 1б, гл.2, §4,5.]
8. Обобщенно-регресионная нейронная сеть. Линейная сеть. [1б, гл.3, §1, п.110; 2б, гл.3, §4-9.]
9. Что такое сеть Кохонена? Область применения. Способ обучения. [1б, гл.3,
§3; 2б, гл.3, §13;10-21]
10. Задачи классификации для сетей? [1б, гл.4, §1, п. 1-2; 2б, гл.5, §1 -3. ]
11. Задачи регрессии. Какие типы сетей предпочтительнее? [1б, гл.4, §2; 2б,
гл.5, §4-10.]
12. Прогнозирование временных рядов. Какие специфические сложности
решения задачи. [1б, гл.4, §3, п.3,4,7, гл.5, §2, п.5.]
13. В чем состоит отбор переменных и понижение размерности? [1б, гл.4, §3,
п.5.]
14.Что такое генетический алгоритм? Основные составные части ГА. [1б,
гл.1, §5; 1б, гл.2, §3.]
15. Чем характеризуется способность к обучению? [1б, гл.5, §2, п.1-3,8,9; 2б,
гл.6, §2.]
16.Какие методы используются для решения задачи классификации? В каких
областях применяются деревья решений?[2б, гл.7, §1-2.]
17. Основные проблемы, решаемые ИНС? Классификация ИНС?[1б, гл.6,
§1,2; 2б, гл.7, §3,4,6.]
18. Почему многослойная ИНС прямого распространения удобна для
решения задач прогнозирования? [1б, гл.6, §2; 2б, гл.8, §1,3.]
19. Как применяется ГА для выбора топологии ИНС?[1б, гл.7, §2; 3б, гл.5, §2,
п.73,74.]
20. Стандартные типы закономерностей, которые выявляются при помощи
ИНС. [6б, гл.7, §1,2,4].
Типы заданий домашней контрольной работы:
Не предусмотрены
Текущий контроль осуществляется в ходе учебного процесса и
консультирования студентов по результатам выполнения самостоятельных
работ. Основными формами текущего контроля являются:
 обсуждение вынесенных в план самостоятельной работы вопросов и
задач;
 решение на практических занятиях задач и их обсуждение;
 выполнение контрольных заданий и обсуждение результатов;
 участие в дискуссии по проблемным темам дисциплины и оценка
качества анализа проведённой аналитической и исследовательской
работы.
Зачёт и экзамен проводятся в устной форме в виде ответов на вопросы
билета.
7. Учебно-методическое и информационное обеспечение дисциплины:
а) основная литература:
1. Биомолекулярные нейросетевые устройства [Текст] : учеб. пособие для
вузов по направлению "Прикладные математика и физика" / Н. Г.
Рамбиди, Е. П. Гребенников, А. И. Адамацкий - М. : Издат. предприятие
ред. журн. "Радиотехника", 2002. - 223, [1] с. - (Нейрокомпьютеры и их
применение ; кн. 33). - Библиогр. - ISBN 5-93108-014-7 :
2. Галушкин, Александр Иванович Теория нейронных сетей [Текст] : учеб.
пособие для студентов по направлению подготовки бакалавров и
магистров "Прикладная математика и физика" / А. И. Галушкин. - М. :
ИПРЖР. - (Нейрокомпьютеры и их применение).Кн. 1. - М. : ИПРЖР,
2000. - 415, [1] с. - Библиогр. - ISBN 5-93108-005-8 (в пер.) :
3. Организация и обучение искусственных нейронных сетей [Текст] : учеб.
пособ. для студентов спец. G 31 04 02 "Радиофизика", G 31 04 03 "Физ.
электроника". - Минск : ИЦ Белорус. ун-та, 2003. - 72, [4] с. - ISBN 985445-880-6 :
б) дополнительная литература:
1. Дьяконов, Владимир Павлович. Математические пакеты расширения
MATLAB [Текст] : спец. справ. / В. П. Дьяконов, В. Круглов. - СПб. :
Питер, 2001. - 475, [5] с. - (Справочник). - ISBN 5-318-00004-5 :.
2. Волгин, Леонид Иванович. Комплементарная алгебра и моделирование
нейронных структур [Текст] = Complementary Algebra and Simulation of
Neural Structures / Л. И. Волгин ; . - Таллинн : АО "KLTK", 1993. - 47 с. :
ил. - Библиогр. -
3. Кропотов, Юрий Дмитриевич. Нейрофизиология целенаправленной
деятельности [Текст] / Ю. Д. Кропотов, В. А. Пономарев ; . - СПб. :
Наука, 1993. - 172 с. : ил. - Библиогр. - ISBN 5-02-025810-5 :
4. Цыпкин, Яков Залманович. Информационная теория идентификации
[Текст] / Я. З. Цыпкин. - М. : Наука: Физматлит, 1995. - 336 с. : ил. Библиогр. - ISBN 5-02-015071-1 (в пер.) :
5. International Symposium on Nonlinear Theory and Its Applications (1993;
Hawaii). Proceedings Sheraton Waikiki Hotel, Hawaii Dec. 5-10, 1993 [Text] :
научное издание / International Symposium on Nonlinear Theory and Its
Applications (1993Hawaii). - S. l. : [s. n.]. Vol. 1. (Monday). - 1993. - 410 p. :
fig. - Bibliogr.
6. International Symposium on Nonlinear Theory and Its Applications (1993;
Hawaii). Proceedings Sheraton Waikiki Hotel, Hawaii Dec. 5-10, 1993 [Text] :
научное издание / International Symposium on Nonlinear Theory and Its
Applications (1993Hawaii). - S. L. : [s. n.]. Vol. 4. (Thursday). - 1993. - 34,
Pp: 1121-1422 : fig. - Bibliogr.
7. International Symposium on Nonlinear Theory and Its Applications (1993;
Hawaii). Proceedings Sheraton Waikiki Hotel, Hawaii Dec. 5-10, 1993 [Text] :
научное издание / International Symposium on Nonlinear Theory and Its
Applications (1993Hawaii). - S. l. : [s. n.]. Vol. 2. (Tuesday). - 1993. - 34, Pp:
411-754 : fig. - Bibliogr.
8. International Symposium on Nonlinear Theory and Its Applications (1993;
Hawaii). Proceedings Sheraton Waikiki Hotel, Hawaii Dec. 5-10, 1993 [Text] :
научное издание / International Symposium on Nonlinear Theory and Its
Applications
(1993Hawaii).
S.
l.
:
[s.
n.].
Vol. 3. (Wednesday). - 1993. - 34, Pp: 755-1120 : fig. - Bibliogr.
9. Радченко, Аркадий Николаевич. Ассоциативная память. Нейронные сети.
Оптимизация нейропроцессоров [Текст] / А. Н. Радченко ; . - СПб. :
Наука, 1998. - 259, [5] с. - Библиогр. - ISBN 5-02-026085-1 (в пер.) :
10. Волгин, Леонид Иванович. Элементный базис реляторной
схемотехники [Текст] = Element Basis of Relator Circult Engineering : пять
лекций по курсу "Схемотехника аналоговых электронных средств" / Л. И.
Волгин. - Тольятти : Изд-во Поволж. технол. ин-та сервиса, 1999. - 70, [2]
с. : ил. - Библиогр. - ISBN 5-85234-068-5 : .
11. Позин, Никита Владимирович. Моделирование нейронных структур
[Текст] : научное издание / Никита Владимирович Позин. - М. : Наука: Гл.
ред. физ.-мат. лит., 1970. - 259, [1] с. : ил. - Библиогр. - ISBN Б. и. (в пер.) :
12. Галушкин, Александр Иванович. Нейрокомпьютеры [Текст] : учеб.
пособие для студентов по направлению "Прикладная математика и
физика" / А. И. Галушкин. - М. : Издат. предприятие ред. журн.
"Радиотехника", 2000. - 524, [4] с. : ил. - (Нейрокомпьютеры и их
применение ; кн. 3). - Библиогр. - ISBN 5-93108-007-4 (в пер.) :
13. Малинецкий, Георгий Геннадьевич.
Современные проблемы
нелинейной динамики [Текст] / Г. Г. Малинецкий, А. Б. Потапов. - М. :
Эдиториал УРСС, 2000. - 335, [1] с. - Библиогр. - ISBN 5-8360-0110-3 :
14. Сибирский конгресс по прикладной и индустриальной математике
(ИНПРИМ-98) (3; Новосибирск). Третий сибирский конгресс по
прикладной и индустриальной математике (ИНПРИМ-98), посвященный
памяти С. Л. Соболева (1908-1989) [Текст] : тез. докл. / ; Сибирский
конгресс по прикладной и индустриальной математике (ИНПРИМ-98) (3 ;
Новосибирск). - Новосибирск : Изд-во Ин-та математики.Ч. 5. - 1998. 171, [1] с. - Библиогр. в конце ст. - ISBN 5-86134-050-1
15. Нейронные сети: история развития теории [Текст] : учеб. пособ. для
студентов вузов по направлению "Прикл. математика и физика". - М. :
Издат. предприятие ред. журн. "Радиотехника", 2001. - 839, [1] с. : ил.,
табл. - (Нейрокомпьютеры и их применение ; кн. 5). - Библиогр. - ISBN 593108-007-4 (в пер.)
в) программное обеспечение и Интернет-ресурсы:
www.sgu.ru
8. Материально-техническое обеспечение дисциплины.
Доска, мел, персональные компьютеры в локальной
Самостоятельная работа студентов также включает применение ИКТ.
сети.
Программа составлена в соответствии с требованиями ФГОС ВПО с учетом
рекомендаций и Примерной ООП ВПО по направлению подготовки 230700
«Прикладная информатика в социологии» и профилю подготовки.
Автор: доцент кафедры СИ М.Г. Плешаков
Программа одобрена на заседании кафедры социальной информатики от
___________2011 года, протокол № ___.
Подписи:
зав. кафедрой СИ
Декан социологического ф-та
_____________
_____________
И. Г. Малинский
Г. В. Дыльнов