Курсовий проект

з курсу

«Інтелектуальні інформаційні системи в економіці»

Курсовий проект призначений для поглибленого вивчення теоретичного матеріалу, закріплення одержаних знань, набуття практичних навичок у створенні інтелектуальних інформаційних систем.

Теми курсових робіт

1. Моделювання роботи багатошарового бінарного перцептрона (ббп).

Завдання: Розробити алгоритм і створити програмний модуль, що моделює роботу ББП. Передбачити введення логічної функції, порогового значення, коефіцієнта навчання з клавіатури, друкування звіту роботи ББП. Дослідити роботу ББП при різних коефіцієнтах навчання, порогових значеннях, кількості нейронів у прихованому шарі. Побудувати звіти.

2. Багатошаровий перцептрон (бп). Алгоритм оберненого поширення похибки (аопп).

Завдання: Розробити алгоритм і створити програмний модуль, що моделює роботу БП. Передбачити введення кількості вхідних, вихідних нейронів, нейронів прихованого шару, коефіцієнта навчання, точності результату, початкових значень. Дослідити роботу БП при різних коефіцієнтах навчання, кількості шарів, кількості в них нейронів, функцій активації різних видів, видів нормалізації. Побудувати графіки. Розглянути узагальнення механізму функціонування БП на випадок прогнозування.

3. Багатошаровий перцептрон. Задача класифікації.

Завдання: На базі АОПП розробити алгоритм і програмний модуль для класифікації різних об’єктів. Передбачити опис і формалізовану постановку задачі, нормування даних, варіацію внутрішніх параметрів. Побудувати графіки.

4. Застосування АОПП для розпізнавання букв.

Завдання: Розробити алгоритм і програмний модуль для введення різноманітних варіантів написання букв і їх розпізнавання. Провести дослідження ефективності функціонування АОПП при різних параметрах мережі. Побудувати графіки.

5. Нейронна мережа із лінійним заохоченням (НМЛЗ).

Завдання: Розробити алгоритм і програмний модуль, що моделює роботу НМЛЗ і призначений для розв’язку задачі прогнозування. Дослідити її ефективність. Побудувати графіки і звіти.

6. Задача класифікації. Мережа Кохонена.

Завдання: Розробити алгоритм і програмний модуль для класифікації різних об’єктів. Формалізувати задачу і дослідити ефективність функціонування НМ в залежності від внутрішніх параметрів. Побудувати графіки і звіти.

7. Задача класифікації. Метод опуклої комбінації.

Завдання: Розробити алгоритм і програмний модуль для класифікації різних об’єктів. Формалізувати задачу і дослідити ефективність функціонування НМ в залежності від внутрішніх параметрів. Навести алгоритм реалізації з модифікаціями: “відчуттям справедливості”, корекцією вагів пропорційно виходу. Побудувати графіки і звіти.

8. Задача розпізнавання образів. Мережа зустрічного поширення (МЗП).

Завдання: Розробити програмний модуль і алгоритм функціонування МЗП, що складається із шарів Кохонена і Гроссберга. Дослідити ефективність функціонування МЗП в залежності від зовнішніх параметрів. Формалізувати задачу. Побудувати графіки і звіти.

9. Задача багатовимірної оптимізації. Генетичні алгоритми (ГА).

Завдання: Розробити алгоритм і створити програмний модуль, в якому передбачити введення точності результату, кількості представників популяції, ймовірність мутації. Дослідити залежність між кількістю ітерацій і різними методами утворення нових епох, вибору батьків,… Передбачити створення функції пристосованості в окремому модулі і його компіляцію окремо від основної програми.

(Комплексна тема).

10. Генетичні алгоритми. Навчання на їх базі нейронних мереж.

Завдання: Розробити алгоритм та програмний модуль для оптимізації параметрів нейронної мережі. Передбачити використання нейронної мережі будь-якої конфігурації і інкапсульованої в окрему процедуру. Дослідити ефективність такого алгоритму в залежності від параметрів ГА. Побудувати графіки і звіти.

(Комплексна тема).

11. Асоціативна пам’ять. Мережа Хопфілда.

Завдання: Розробити алгоритм та створити програмну систему, що моделює роботу мережі Хопфілда. Дослідити її ефективність в залежності від внутрішніх параметрів. Побудувати графіки і звіти.

12. Векторний класифікатор. Мережа АРТ.