Нейрокомпутерные системы

1. Основные архитектуры и виды нейронный сетей: слоистые, полносвязные, сигмоидные, монотонные; нейросети с учителем и без учителя, Хопфилда, Кохонена
2. Элементы нейросетей: синапс или линейная связь, нелинейный элемент или функция активации, точка ветвления, сумматоры - простой, адаптивный, неоднородный, квадратичный
3. Биологический нейрон
4. Режимы работы нейросетей (операции с нейросетями)
5. Типы нелинейных функций
6. Входные и выходные сигналы, функционирование, обучение, тестирование, оценивание
7. Обучение и оптимизация. Методы обучения: градиентный, случайный, партан и др. квазиньютоновский и сопряженных градиентов; одномерная оптимизация
8. Обучаемые нейросети. Обучение по примерам, страницам, по всему задачнику (обучающей выборке); преимущества, проблемы и особенности обучения по страницам
9. Значимость параметров и сигналов
10. Контрастирование
11. Предобработка, ее виды: Перемасштабирование, Нормализация, Стандартизация
12. Задачи для нейросетей: задачи математические и прикладные
13. Оценка работы сети
14. Архитектуры нейроимитаторов: элементы нейрокомпьютера или нейроимитатора
15. Постановка задачи для обучения НС; методика сбора и организации данных
16. Аппроксимация и основные теоремы: Вейерштрасса, Стоуна, обобщенная

NB Зачет сдавать не только по этим вопросам. Вопросы - только ориентир, какие могут быть, разумеется, будут и другие. На зачете будет несколько десятков вопросов (около ста или ста пятидесети).