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.
Рабочие программы дисциплины «Нейросетевые технологии»
Часть 1. Рабочая программа дисциплины «Основы теории искусственных нейронных сетей»
Все занятия по данной рабочей программе должны даваться в разрезе 4 тем:
Основы C#
Работа с нейропакетами
Обучение нейросетей
Устройство и функционирование различных нейросетей
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:
Знать:
основы алгоритмического языка C#;
Компетенции обучающегося, формируемые в результате освоения дисциплины
В результате освоения дисциплины студент должен:
Знать:
основы алгоритмического языка C#;
основные архитектуры нейронных сетей и методы их настройки (адаптации) и тестирования;
историю и перспективы развития нейронных сетей;
подходы к унификации мягких вычислений (нейросетевых, нечетких, вейвлет и т.п.);