Накопленный опыт показал, что Учебно-методический комплекс (УМК) «Нейросетевые технологии» должен состоять из четырёх частей:
– Основы теории искусственных нейронных сетей
– Нейросетевые исследования хозяйственных процессов (решение задач кластеризации, классификации, прогнозирования, узнавания, предсказания).
– Конструирование искусственных нейронов и нейронных ансамблей для работы со смысловой частью информации
– Нейросетевое программирование (от искусственных нейронных сетей до моделирования высшей нервной деятельности человека).
Первые две части соответствуют уровню подготовки бакалавра.
В первой части учащихся знакомят с устройством нейронных сетей и их возможностями. На практических занятиях изучается устройство и работа с нейропакетом MemBrain.
Вторая часть даёт возможность познакомиться с различными нейропакетами и научиться решать практически возникающие задачи узнавания, классификации, прогнозирования, предсказания, сжатия, кластеризации объектов (образов). Для решения таких задач необходимы в основном простые нейросети типа перцептронов, сетей Кохонена, сетей Хопфилда, и др., которые можно отнести к нейроконструкциям первого уровня сложности.
Третья часть направлена на разработку и использование нейрокомпьютеров (проектирование и конструирование нейроконструкций (НК) на основе использования нейрологических элементов; разработка программного обеспечения (ПО) НК; обучение НК решению различных классов задач).
Нейросетевые конструкции становятся более сложными, в них используется интерфейс пользователя, автоматизируется управление проведением нейросетевых исследований, нейрокомпьютерные элементы реализуются в виде искусственных нейронных ансамблей (ИНА).
Самое главное, что нейроконструкции этого уровня создаются для работы со смысловой частью информации:
– сопоставление сложных объектов и оценку их сходства;
– выделение типового объекта из группы однородных;
– поиск типичных черт, существенных признаков;
– формирование описания типового объекта, выделение его отличительных черт;
– определение понятий (дефиниции);
– выявление причинно-следственных связей;
– интерпретация связей и свойств исследуемых объектов;
– генерация гипотез;
– выявление закономерностей;
– самообучение, адаптация.
Если необходимых нейросетевых алгоритмов в момент исследования неизвестно, в таких нейроконструкциях допускается использование известных алгоритмов из математической статистики, например, для выявления причинно-следственных связей, формирования существенных признаков, генерации гипотез, а так же – таких конструкций, как систем управления базами знаний (СУБЗ). В них можно использовать не выполненные в виде нейронных сетей логические элементы, а обычные цифровые программы.