13. Многослойные нейронные сети и вопросы их обучения

---

1. Введение в искусственный интеллект. Основные концепции и приложения 
в областях (компьютерное зрение, распознавание голоса) 
2. Интеллектуальные агенты и их типы 
3. База данных и знаний. Модели выражения знаний 
4. Представление знаний. Логическая, производственная и каркасная модель. 
Толкователь знаний. 
5. Непонятная логическая теория. Действия с неясными наборами и их 
свойствами 
6. Экспертные системы и их виды, основные особенности 
7. Применение неоднозначной логики в экспертных системах 
8. Концепция машинного обучения. Алгоритмы машинного обучения. 
9. Методы и алгоритмы машинного обучения. Регрессия и классификация. 
10. Нейронные сети и их основные функции. Персептрон. 
11. Типы нейронных сетей и принципы их работы 
12. Обучающие нейронные сети. Библиотеки и фреймворки для 
программирования нейронных сетей. 
13. Многослойные нейронные сети и вопросы их обучения 
14. Применение систем обработки информации. Варианты, конструкции языка 
программирования Python 
15. Применение программного обеспечения Python/numpy в искусственном 
интеллекте 
16. Основные понятия и объекты нейронных сетей. 
17. Основные проблемы, которые можно решить с помощью искусственных 
нейронных сетей. 
18. Нейронные сети и их свойства. 
19. Тренинг по искусственной нейронной сети. 

---

20. Алгоритм изучения перцептрона. 
21. Одно- и многооболочечные искусственные нейронные сети и упражнения 
по алгоритмам. 
22. Алгоритм обучения в сети с обратной цепью. 
23. Квантовая теория ограничения, эффект Холла и квантовые основы 
наноэлектроники. 
24. Искусственные нейронные сети и теория Колмагорова. 
25. Строение искусственных нейронов и биологического нейрона и ее 
математическая модель. 
1. Анализ практических областей искусственного интеллекта 
2. Типы интеллектуальных агентов 
3. Алгоритмы поиска и вопросы оптимизации 
4. Использование элементов искусственного интеллекта в играх 
5. Виды базы знаний. Использование базы знаний в экспертных системах 
6. Области применения экспертных систем 
7. Условная вероятность представления неопределенностей: преимущества и 
недостатки 
8. Действия с неясными наборами и их свойствами 
9. Коэффициенты надежности в неоднозначной логике 
10. Модель искусственных нейронных сетей 
11. Модели нейронных сетей и алгоритмы распознавания речи 
12. Модели нейронных сетей и алгоритмы прогнозирования временных рядов 
13. Модели нейронных сетей и алгоритмы распознавания изображений 
14. Применение генетического алгоритма в вопросах оптимизации 
15. Использование генетического алгоритма для обучения нейронных сетей 
16. Модели машинного обучения. Использование линейных и 
полиномиальных моделей 
17. Использование метода CNN (сверточные нейронные сети) в нейронных 
сетях 
18. Модели машинного обучения на основе пакета TensorFlow 
19. Введение в искусственный интеллект. Основные концепции и приложения 
в областях (компьютерное зрение, распознавание голоса) 
20. Интеллектуальные агенты и их типы 
21. База данных и знаний. Модели выражения знаний 
22. Представление знаний. Логическая, производственная и каркасная модель. 
Толкователь знаний. 
23. Непонятная логическая теория. Действия с неясными наборами и их 
свойствами 
24. Экспертные системы и их виды, основные особенности 
25. Применение неоднозначной логики в экспертных системах