CC BY
34
УДК 378:621.39 ББК 74.48:32.811
Зар Ни Аунг
современное состояние преподавания курса нейроинформатики в вузах россии
В статье рассматривается специфика нейроинформатики как одного из наиболее актуальных и перспективных направлений информатики, а также основные понятия, относящиеся к данной дисциплине. В статье раскрывается специфика современного преподавания нейроинформатики в вузах России, анализируются имеющиеся образовательные программы по нейро-информатике, выявляются их достоинства и недостатки, а также предлагается путь дополнения и усовершенствования данных программ.
Ключевые слова: педагогика, образовательные программы, информатика, нейроинформа-тика, нейронные сети.
Zar Ni Aung
contemporary state of teaching neuroinformatics at universities in russia
The article highlights the specificity of neuroinformatics as one of the most urgent and promising areas of computer science, as well as considers basic concepts relevant to the subject. The article reveals the specificity of modern teaching of neuroinformatics at universities in Russia, analyzes current educational programs in neuroinformatics, identifies their advantages and disadvantages, and proposes a way to complement and improve these programs.
Key words: pedagogy, educational programs, informatics, neuroinformatics, neural networks.
Современная информатика активно развивается в настоящее время, процесс информатизации затронул самые разные сферы человеческой жизни, о чем свидетельствует тот факт, что математические и информационные способы анализа стали применяться в различных областях науки, в числе которых, например, политология, психология, экономика, экология и многие другие. В связи с этим стали появляться различные системы обработки и анализа информации, в том числе основанные на принципах работы искусственного интеллекта [1, с. 17].
В последнее время наиболее популярными системами, базирующимися на принципах работы искусственного интеллекта, являются нейронные сети. Именно поэтому такая наука, как ней-роинформатика, является в наши дни одной из наиболее актуальных, перспективных и имеющих практическую пользу для человека. Основная идея всех подходов нейроинформатики заключается
в разработке методологии синтеза нейронных схем, которые решают определенные задачи [3, с. 18]. При этом нейрон представляет собой очень простое устройство, похожее на усилитель, имеющий большое число входов и один выход [2, с. 98]. Нейпроцессоры имеют память, которая распределена между связями в очень простых процессорах, в отличие от микропроцессорных цифровых систем, которые представляют собой комбинации, состоящие из запоминающих блоков [5, с. 75].
Основной особенностью нейронных сетей является то, что их можно «обучить» определенному алгоритму решения той или иной задачи. В результате мы получаем систему, способную решить задачи любой сложности с использованием принципов нечеткой логики, схожей с принципами работы человеческого мозга [4, с. 62]. Именно поэтому, в силу своей практической ценности, изучение, создание и «обучение» нейронных сетей
о о о о_
X га со
са
I-
го ^
о -&
X S
о
>s ф
X
го
о £
X
го
CÜ
го ч о
с
ф
^ с
X
к о
I-
о о о
О)
о
X
X
ф
ф ^
са о О
X
£
го со
решению разного рода задач является одной из основных задач современной нейроинформатики.
Несмотря на свою неоспоримую актуальность, нейроинформатика как отдельная, самостоятельная дисциплина пока не заняла достойное место в системе современного образования. Это связано с тем, что на данный момент, как показали результаты проведенных нами исследований, отсутствуют такие курсы нейро-информатики, которые должны давать полное и глубокое понимание специфики данной области, а также формировать у учащихся умения и навыки использования нейронных сетей для решения различного рода трудформализуемых задач, анализа информации и т.д.
Содержание курсов нейроинформа-тики определяется существующими государственными стандартами подготовки специалистов. Но в различных учебных заведениях существуют особенные подходы к составлению программ. Это связано с количеством учебных часов, отведенных на изучение курса, с кадровой спецификой, внутривузовскими условиями подготовки специалистов определенного профиля. С целью выяснения особенностей содержания программ курса нейроинформатики мы обратились к существующим программам Красноярского государственного технического университета, Московского физико-технического университета, Вычислительного центра СО РАН в г. Красноярске. Эти программы имеют общие черты, но и имеют количественные и качественные различия. Например, рабочая программа Красноярского технического университета по курсу «Нейроинформатика», составлена коллективом авторов: доктором физико-математических наук, профессором А.Н. Горбань, доктором технических наук, доцентом Е.М. Мирке-сом, кандидатом физико-математических наук, доцентом Н.Ю. Сиротининым, которые предполагают изучение курса нейроинформатики в течение 116 часов, из них 32 часа - лекции, 64 часа - лабораторные занятия, самостоятельная работа под руководством преподавателя -20 часов. Всего 116 часов.
Целями преподавания нейроинформатики А.Н. Горбань, Е.М. Миркес, Н.Ю. Сиротинин считают:
• ознакомление учащихся с новой актуальной сферой информатики;
• обучение квалифицированному использованию аппарата нейронных сетей с целью решения ряда прикладных задач;
• подготовку учащихся к возникновению компьютеров на базе нейронных сетей.
В конце освоения данной дисциплины, как считают авторы, учащиеся обязаны иметь представление о:
• базовых моделях нейронов и построенных на их основе сетей;
• основных парадигмах строения нейросетей (о сетях Кохонена, сетчатке Хопфилда, сетях обратного распространения ошибок);
• основных принципах решений задач прикладного типа для распознавания образа, диагностик, процесса управления с использованием нейросетей;
• структурах мозга, нейронных сетях биологического типа.
В программе курса авторы выделяют пять тем. В первой теме освещаются основные представления о предмете и задачах курса, отличиях нейрокомпьютера от компьютера ФонНеймана, о задачах, которые решаются с использованием нейронных сетей в настоящее время, об основных направлениях в нейроинфор-матике. Вторая тема посвящена задачам естественной классификации, а также сетьям Кохонена и методу динамических ядер. В третьей теме рассматривается вопрос о сетям Хопфилда. Также имеется информация об инвариантной обработке изображений и ассоциативной памяти. Четвертая тема раскрывает идею универсального нейрокомпьютера и его компонентов. Здесь же рассматривается специфика методов переработки, оценок и интерпретаций ответов. Наконец, пятая тема посвящена правилу Хебба, Персептрону и его обучению.
На наш взгляд, данная программа имеет свою оправданную логику раскрытия курса нейроинформатики, позволяет усвоить задачи, решаемые с помощью нейронных сетей и раскрывает сущность
нейроинформатики. Однако не затрагивает очень важных тем, а именно: «погрешности нейросети» и «экспертные системы и формальная логика». Поэтому нуждается в доработке и расширении, как в теоретическом плане, так и в плане лабораторно-практическом.
Программу, подготовленную Сибирским предприятием РАН, отличает развернутость изложения содержания по главам. Во введении коллектив авторов (А.Н. Горбань, В.Л. Дунини-Барковский, А.Н. Кердин, Е.М. Миркес, А.Ю. Но-вохотько, Д.А. Россиев, С.А. Терехов, М.Ю. Сенашова, В.Т. Царегородько) раскрывает сущность понятий «нейрокибер-нетика», «нейроинформатика», «нейрокомпьютеры», их взаимосвязь и различия.
Первый раздел посвящен возможностям нейронных сетей; во втором разделе раскрываются принципы решения задач нейронными сетями; в третьем разделе «Быстрое дифференцирование, двойственность, и обратное распространение ошибки» излагается материал, который выходит далеко за пределы нейро-информатики.
В четвертом разделе содержится информация о нейросетевых методах строения моделей сложной системы, которые основаны на данных экспериментов. Здесь же рассматривается постановка типичных задач. Материал включает модельные иллюстрации и примеры реального практического применения.
Пятый раздел посвящен анализу приложения персональных ЭВМ в медицинских учреждениях.
В шестом разделе исследуются ней-росети, имеющие слоистую структуру, которые состоят из ряда слоев нейронов стандартного типа. Рассматриваются ошибки, которые возникают в процессе технического применения сетей.
Эта программа изучения нейроин-форматики, на наш взгляд, наиболее полно раскрывает все нейросетевые парадигмы, но не затрагивает тему «Экспертные системы и формальная логика», которая является очень важной в разделе искусственного интеллекта. Поэтому также нуждается в доработке.
Курс нейроинформатики Московского физико-технического университета представлен двумя авторами С.А. Шум-ским, С.А. Тереховым и состоит из двух частей. Первая часть «Введение в байе-совы сети» включает такие вопросы, как вероятностное представление знаний в машине; неопределенность и неполнота информации; исчисление вероятностей и байесовы сети; синтез и обучение бай-есовых сетей; вероятностные деревья; примеры применения байесовых сетей.
Вторая часть «Байесова регуляризация» обучения состоит из пяти разделов: введение, обучение по Байесу, оценка параметров по Байесу, Байесова интерполяция функций, Байесова кластеризация.
Предложенная программа, курс лекций отличаются от вышеизложенного анализа других программ тем, что авторы С.А. Шумский и С.А. Терехов предлогают методическую и методологическую модель обучения по Байесу и раскрывают широкие возможности применения Байесовых сетей в медицине; в космической и военной промышленности; в компьютерах и системном программном обеспечении; в механизме обработки изображений и видео; в финансах и экономике. Данная программа не затрагивает большую часть нейроин-форматики, например: сети Хопфилда и обобщения для них, метод динамических ядер и сети Кохонена, ассоциативная память, контрастер, двойственные сети, нейронные сети Хемминга, сети естественной классификации и некоторые другие. Таким образом, видно, что и эта программа не подходит для полного изучения нейроинформатики, а значит, не подходит для будущих учителей информатики.
Существуют другие оригинальные программы, лекционные курсы, научные публикации по курсу нейроинформати-ки. Вызывает интерес научная точка зрения С.Л. Сотника, изложенная в книге «Основы проектирования систем искусственного интеллекта». Он предлагает изучить возможность обучения нейронных сетей без учителя. Элементами программы такого обучения он предлагает выделить следующие вопросы:
о о о CL
X га со
CÛ
H га S
о
X
s о
>s ф
X
го
о £
X
го
CÛ
го ч о
с
ф
с
X
к о
I-
о о о
О)
о
X
X
ф
s ф
CÛ
о
о
• нейронные сети Хопфилда и Хем-минга;
• метод потенциальных функций;
• метод группового учета аргументов МГУА;
• метод наименьших квадратов;
• общая схема построения алгоритмов метода группового учета аргументов (МГУА).
В качестве вывода можно сказать, что все программы имеют свои особенности, связанные с научными интересами авторов и целями подготовки специалистов в различных учебных заведениях.
Для наглядной иллюстрации приведем таблицу 1, где мы покажем основные различия в анализируемых рабочих программах.
Табл. 1. Сравнительный анализ рабочих программ по нейроинформатике
Тема Красноярский технический университет Сибирское предприятие РАН Московский физико-технический университета Рабочая программа С.Л. Сотник
1 2 3 4 5
Отличия нейрокомпьютеров от компьютеров Фон Неймана + +
Задачи, решаемые в настоящее время с помощью нейронных сетей + + + +
Основные направления в нейроинформатике + + + +
Очерк истории нейроинформатики + + + +
Задача естественной классификации. Основные методы решения + + + +
Метод динамических ядер и сети Кохонена + + +
Сети Хопфилда и их обобщения + + +
Инвариантная обработка изображений + + +
Ассоциативная память + + - -
Идея универсального нейрокомпьютера + +
Выделение компонентов универсального нейрокомпьютера + +
Методы предобработки. Нейронная сеть + +
Оценка и интерпретатор ответа. Учитель + + + +
Контрастер + + - -
Правило Хебба + + + +
Персептрон и его обучение + + + +
X
£
го со
Окончание табл. 1
1 2 3 4 5
Ограничения и возможности персептрона + + + +
Ортогональные сети + + - -
Тензорные сети + + - -
Сети для инвариантной обработки изображений + +
Двойственные сети + + - -
Нейронные сети Хемминга + + +
Сети естественной
классификации + + - +
Алгоритм обратного распространения ошибки + + + +
Метод группового учета аргументов + + + +
Двунаправленная ассоциативная память + +
Сети адаптивной
резонансной теории + + - -
Когнитрон + + - -
Неокогнитрон + + - -
Погрешности в нейросети +
Экспертные системы и формальная логика - - + -
о о о CL X га
со >
CÛ CÛ
s
S H га S
Œ
о
X
s о
>s Ф X
ro о
Œ
S?
X
ro
CQ (0
О
С
ф
Œ
с
X
к о
H о о о
О)
о
X
X
ф
s ф
CÛ
о
о
На наш взгляд, Красноярский технический университет имеет наиболее совершенную программу, но в нее не включены две важные темы нейроинформатики, а именно: погрешности в нейро-сети; экспертные системы и формальная логика. Добавив эти ключевые темы, мы получим полный логически завершенный курс, который позволит научить будущих учителей информатики основным нейро-сетевым парадигмам. Создание качествен-
но нового курса нейроинформатики, отвечающего требованиям современного образовательного стандарта, с учетом выявленных недостатков уже имеющихся программ, было осуществлено в Курском государственном университете в 2016 году на кафедре программного обеспечения и администрирования информационных систем исследовательской группой под руководством доктора педагогических наук, профессора В.А. Кудинова.
Библиографический список
1. Васильев, В.И. Интеллектуальные системы управления с использованием нейронных сетей [Текст] / В.И. Васильев, Б.Г. Ильясов, С.С. Валеев, С.В. Жернаков - Уфа: Изд-во УГАТУ, 1997. -175 с.
2. Галушкин, А.И. Современные направления развития нейрокомпьютеров в России [Текст] / А.И. Галушкин // Зарубежная радиоэлектроника. - 1998. - № 1. - С. 98-99.
3. Галушкин, А.И. Теория нейронных сетей [Текст]: учеб. пособие для вузов / А.И. Галушкин. - М: ИПРЖ, 2000. - 194 с.
4. Горбань, А.Н. Нейронные сети на персональном компьютере [Текст] / А.Н. Горбань, Д.А. Рос-сиев. - Новосибирск: Наука. Сиб. изд. фирма РАН, 1996. - 281 с.
5. Горбань, А.Н. Обучение нейронных сетей [Текст] / А.Н. Горбань. - М.: СП ПараГраф, 1990. - 348 с.
References
1. Vasilyev V.I., Ilyasov B.G., Valeev S.S., Zhemakov S.V. Intelligent control systems using neural networks: tutorial. Izd-vo UGATU, 1997. P. 175. [in Russian].
2. Galushkin A.I. Modern directions of development of neurocomputers in Russia // Zarubezhnaya radioelek-tronika. M.: Radiotechnika, 1998. №. 1. P. 98-99. [in Russian].
3. Galushkin A.I. Neural networks theory. M: EPRI, 2000. P. 194. [in Russian].
4. Gorban A.N., Rossiev D.A. Neural networks on PC. Novosibirsk: Nauka. Sib. izd. firma RAN, 1996. P. 281. [in Russian].
5. Gorban A.N. Training neural networks. M: SP ParaGraf, 1990. P. 348. [in Russian].
Сведения об авторе: Зар Ни Аунг,
аспирант кафедры программного обеспечения и администрирования информационных систем, Курский государственный университет, г. Курск, Российская Федерация, Kmail: zar-ni-aung@yandex.ru
Information about the author: Zar Ni Aung,
Postgraduate student,
Department of Software
and Administration of Information Systems
Kursk State University,
Kursk, Russian Federation,
E-mail: zar-ni-aung@yandex.ru
УДК 378 ББК 74.480
А.В. Иванова
построение дисциплины «информационные технологии в профессиональной деятельности» в подготовке магистров педагогического образования
В статье рассматривается структура, содержание дисциплины «Информационные технологии в профессиональной деятельности» для магистров педагогического образования, а также методические особенности преподавания данного предмета. Представлены примерный учебно-тематический план дисциплины, содержание практических занятий с описанием работы и формируемыми умениями.
Ключевые слова: подготовка магистрантов педагогического образования, ИКТ-компетенция, информационные технологии в педагогической деятельности.
A.V. Ivanova
structuring the "information technologies in professional activity" discipline in the process of training masters of teacher education
The article discusses the structure and content of the "Information technologies in professional activity" discipline for masters of teacher education and some methodological peculiarities of teaching
