| DALYKO SANDO KODAS | DALYKO PAVADINIMAS | KREDITŲ SKAIČIUS | |
|---|---|---|---|
| MOPM7132 | Mokymosi proceso modeliavimas |
2 |
|
| Paskirtis: 7-Magistrantūros
dalykai Eiles numeris: 1 Pasirinkimo tipas: 3-Laisvo pasirinkimo dalykas Mokslo sritis: 2-Gamtos mokslų |
|||
| DALYKŲ SANDŲ, KURIE TURĖJO BŪTI STUDIJUOTI ANKSČIAU, KODAI: | |||
| STUDIJOS | STUDIJŲ BŪDAS | TRUKMĖ (akad.val.) | ATSISKAITYMO FORMA |
| Teorinės | Paskaitos | 32 | Įskaita (Žodžiu) |
| Praktinės | Pratybos | ||
| DĖSTYTOJO, SKAITANČIO PASKAITAS | |||
| Pedagoginis vardas | Vardas, pavardė | Fakultetas | Katedra |
| Profesorius | Šarūnas Raudys | Matematikos ir informatikos | Informatikos katedra |
| KAM DĖSTOMAS DALYKAS ? | |||
| Fakultetas : Matematikos ir informatikos Forma : Dieninė | |||
| DALYKO SANDO TURINIO ANOTACIJA | |||
| Pagrindinių matematinės statiskikos
elementų populiarus išdėstymas: atsitiktiniai dydžiai,
vektoriai ir procesai, jų vidurkis, dispersija,
koreliacija, pasiskirstymo tankis. Pasiskirstymo dėsnio
parametrų įvertinimas kaip mokymosi procesas.
Statistiniai klasifikavimo, prognozavimo ir duomenų
grupavimo metodai ir jų parametrų įvertinimas (mokymas).
Metodo sudėtingumo, mokymo trukmės ir tikslumo
tarpusavio ryšys. Dirbtiniai neuroniniai tinklai klasifikavimo, prognozavimo, esminių charakteristikų išskyrimo, duomenų grupavimo uždaviniams spręsti. Gradientiniai ir genetiniai mokymo metodai. Persymokymo efektas, jo įtaka optimaliam algoritmo sudėtingumui, mokymosi laikui. Neuroninių tinklų stabilizavimas iškraipant mokymo duomenis bei mokytojo signalus, kontroliuojant skatinimą. Jų augimas, genėjimas, sudėtingumo valdymas. Neuroninių tinklų kooperavimas sugėtingiems uždaviniams spręsti. Deklaratyvaus (eksplicitinio) ir nedeklaratyvaus (inplicitinio) mokymosi modeliavimas dirbtiniais neuroniniais tinklais. Neuroninio tinklo srovių (išmoktų ryšių) augimas mokymosi metu, gebėjimo išmoklti naują (prisiderinti prie nuolat kintančios aplinkos), priklausomybė nuo neurono amžiaus. |
|||
| PAGRINDINĖS LITERATŪROS SĄRAŠAS | EGZ. SK. FAKULTETO BIBLIOTEKOJE | ||
| Hertz.J., Krogh & Palmer. Introduction to tche Theory of Neural Computation. Adison Wesley, 1991. | 0 |
||
| Chaykin S., Neural Network, 2 ed., New York, 1998. | 0 |
||
| Raudys Š. Complexity and Generalization of Feed Forvard Networks, London, 1998. | 0 | ||