
Консультант(ы):
Ключевые слова:
Тематика проводимого исследования:
Наука о данных, машинное обучение, идентификация систем
Приобретаемые знания:
Методы обработки символьной информации, алгоритмы работы нейронной сети (эти знания могут быть полезны и в теории когнитивных карт).
Приобретаемые навыки и умения:
Обработка символьной информации, работа в среде Python, написание отчетов на основе полученных результатов обучения и моделирования.
Необходимый уровень знаний и навыков практиканта для выполнения задания:
Начальные знания в теории множеств и алгебре, Python.
Тип проекта:
Курсовая работа
Период практики:
3 месяца
Краткое описание проекта:
Рассматривается тренировка ассоциативной памяти на запоминание паттернов символьной информации. Требуется классифицировать траектории аэробаллистического аппарата по символьной входной информации с помощью такой предварительно обученной сети.
Задания на практику:
1) Разобраться с началами теории решеток, т.е. Частично упорядоченных множеств символов, и теории нечетких нейронных сетей.
2) Программная реализация построения заданной решетки.
3) Программное моделирование работы многозначной ассоциативной памяти с заданной решеткой значений весов и переменных.
4) Исследовать, всегда ли можно сохранить заданные множества паттернов в такой многозначной ассоциативной памяти и получить гипотезу возможности такого сохранения.
5) Построить решетку возможных значений переменных для отображения символьной информации о траектории аэробаллистического аппарата.
6) Обучить построенную ассоциативную память с такой решеткой переменных и весов на распознавание определенных типов траекторий.
7) Получить ограниченную статистику распознавания траекторий с помощью предварительно обученной ассоциативной памяти и сравнить ее с известными результатами, полученными другим методом.
Результат выполнения проекта:
Отчет о полученных результатах классификации траектории аэробаллистического аппарата по символьной входной информации, программная реализация работы ассоциативной памяти при обучении и классификации в среде Python.