|
ACI-41030 Neuro- sumeat järjestelmät, 5 op
|
Mikko Laurikkala, Hannu Koivisto
Luentoajat ja -paikat | Kohderyhmä, jolle suositellaan | |
Toteutus 1 |
|
Hyväksytysti suoritetut harjoitukset ja henkilökohtaiset harjoitustyöt => arvosana 0-3, lisäksi tentti => arvosana 4-5.
-
Tavoitteena on tarjota opiskelijalle tärkeimpien neuro-sumeiden mallinnusmenetelmien käyttöön ja ymmärtämiseen tarvittava teoreettinen perustietämys.
Sisältö | Ydinaines | Täydentävä tietämys | Erityistietämys |
1. | Neuroverkkotopologiat | ||
2. | MLP, RBFN, SOM Opetusmenetelmät, Backpropagation learning | Steepest Descent, Newton method, Gauss-Newton, Levenberg-Marquardt | |
3. | Neuro-sumeat menetelmät, ANFIS | ||
4. | Recurrent verkot ja niiden opetusmenetelmät, Dynaamiset neuroverkot identifioinnissa ja säädössä. |
Hyväksytysti suoritetut harjoitukset ja henkilökohtaiset harjoitustyöt => arvosana 0-3, lisäksi tentti => arvosana 4-5.
Opintojaksolla käytetään numeerista arviointiasteikkoa (1-5)
Tyyppi | Nimi | Tekijä | ISBN | URL | Painos,saatavuus... | Tenttimateriaali | Kieli |
Kirja | Soft Computing and Intelligent Systems Design | Fakhreddine O. Karray, Clarence de Silva | 0-321-11617-8 | Englanti |
Opintojakso | P/S | Selite |
ACI-41050 Sumea laskenta | Suositeltava | |
ACI-42070 Identifiointi | Suositeltava |
Opintojakso | Vastaa opintojaksoa | Selite |
|
|
Opintojakso on jatko-opintoihin sopiva, jos se suoritetaan vähintään arvosanalla 3 (/5). Suositellaan IV opintovuodelle.
Kuvaus | Opetusmuodot | Toteutustapa | |
Toteutus 1 | Luennot Harjoitukset Harjoitustyöt |
Lähiopetus: 0 % Etäopetus: 0 % Itseopiskelu: 0 % |