|
ИСТИНА |
Войти в систему Регистрация |
ИСТИНА ИНХС РАН |
||
«Моделирование: сплайны, нейронные сети» (Межфакультетский курс лекций - 24 часа)учебный курс
- Авторы: Хомяков Д.М., Хакимов Б.В.
- Год создания: 2018
- Организация: МГУ имени М.В. Ломоносова
- Описание: Межфакультетский курс «Моделирование: сплайны, нейронные сети» «Modeling: splines, neural networks». Технологии искусственного интеллекта (Artificial Intelligence, AI) и «интернета вещей» ((Internet of Things, IoT) продолжают доказывать свою эффективность в различных отраслях экономики. В ближайшее время мы увидим стремительное развитие и применение искусственного интеллекта в новых сферах, он станет более заметным в наших домах. Устройства «умнеют» с каждым годом. Идет поиск инвесторов, финансирующих проекты по массовому производству успешных прототипов. Большие данные (Big Data, BD) – информация, которая генерируется как пользователем, так и техникой; представляет собой неструктурированные данные огромных объемов и значительного многообразия, которые должны быть обязательно предварительно обработаны специальным образом для получения воспринимаемых человеком результатов. Как осуществить это? Какие алгоритмы могут быть успешно и эффективно использованы? Линейные методы для моделирования приводит к повышенной погрешности или ошибочным результатам. Монотонные зависимости отображаются как слабые, а знакопеременные зависимости - как отсутствующие. Предложены новые принципы анализа и моделирования линейных и нелинейных зависимостей. Для моделирования парной зависимости используется сплайн-регрессия - кусочно-линейная или плавная кривая сложной формы. Для моделирования множественной зависимости используется многомерный сплайн - совокупность одномерных сплайнов. Достоинство данных алгоритмов: простота вычислений, адекватность и наглядность результатов. Рассматривается принципиально новая сплайн-модель искусственного нейрона (Spline Model of Artificial Neuron, SMоAN) на основе многомерных сплайнов. Эта оригинальная авторская разработка по разрешающей способности эквивалентна трехслойной сети известных нейронов, имеет единственную точку решения и настраивается со скоростью на три порядка выше традиционных. Получаемые сплайн-составляющие корректно отражают исследуемые причинно-следственные связи. Так решается задачи AI: распознавания образов, автоматической классификации, моделирования зависимостей, обработки BD и другие.
- Добавил в систему: Хомяков Дмитрий Михайлович
Преподавание курса
- 14 февраля 2018 - 3 мая 2018 Хомяков Дмитрий Михайлович
- МГУ имени М.В. Ломоносова, Факультет почвоведения
- обязательная, по выбору (межфакультетский курс), лекции, 24 часов
- Авторы: Хомяков Д.М., Хакимов Б.В.