Введение 3
Глава 1. Межпредметные связи 5
1.1 Понятие и классификация межпредметных связей 5
1.2 Межпредметные связи в обучения математики 7
1.3. Междисциплинарные связи в обучении информатики 11
1.4. Функции межпредметных связей биологии и информатики 14
1.5. Способы реализации и планирование межпредметных связей в
обучения математики и биологии 16
Глава 2. Нейронные сети 18
2.1. Нейронные сети в биологии 18
2.2. Философские аспекты проблемы искусственного интелекта (ИИ ) 22
2.3. Системы распознавания образов (идентификации) 23
2.4. Проблема обучения распознаванию образов (ОРО) 24
2.5. Геометрический и структурный подходы 26
2.6. Гипотеза компактности 30
2.7. Обучение и самообучение 31
2.8. Перцептроны 33
2.9. История исследований в области нейронных сетей 37
2.10. Модели нейронных сетей с обратным распространением ошибки 38
Глава 3. Примеры и модели нейронных сетей 46
3.1. Нейронная сеть Хопфилда 46
3.1.1. Примеры сети Хопфилда 49
3.2. Нейронная сеть Хэмминга 65
3.2. 1. Примеры сети Сеть Хэмминга 68
3.3. Карты Кохонена 71
Заключение 76
Список литературы 77
В связи с тенденциями развития современного общества в сторону информатизации и цифровым технологиям были разработаны новые образовательные стандарты, где важным элементом образовательных технологий выступает использование математического моделирования в обучении, в том числе и математике. Проблема исследования заключается в совершенствовании обучения учащихся математике в современных условиях, с использованием наглядных средств обучения связанных с компьютерными программами. Сочетание изучения математики и информатики с метапредметными составляющими этих дисциплин позволяет реализовать несколько задач одновременно. Это во первых - создание мотивационных факторов к появлению познавательного интереса учащихся к изучению объектов моделирования, за счет этого и появление мотивации к изучению самих дисциплин - математики и информатики. Выбирая объектами моделирования исскуственные «нейронные сети» мы руководствовались все возрастающими успехами данной области программирования и популярностью данной темы. Как так эта тематика непосредственно связана с такими понятиями как «искусственный интеллект», «интеллектуальные информационные системы», «системы искусственного интеллекта», «робототехника», «программы распознавания» и т. д. - она вызывает большой интерес у школьников. В квалификационной работе мы пытаемся создать, спрокетировать методические разработки для изучения этой темы школьниками. Эта методическая разработка будет являться введением в тему «нейронные сети». Будут исследованы философские, мировозренческие, биологические, математические, компьютерно-программисткие аспекты данной темы. Для построения моделей лучше всего подходят математические пакеты программ, например в школе удобно использовать программу C++, динамическую математическую среду GEOGEBRA, а для студентов программы «python, C++ и «maple».
Цель исследования - изучить и раскрыть теоретические и практические аспекты междисциплинарных связей математики, биологии и информатики, показать роль междисциплинарных связей в обучении; раскрыть для школьников понятие исскуственные нейронные сети, углублять мотивацию школьников к изучению учебных предметов и познавательный интерес к проблеме искусственного интелекта.
Задачи исследования:
1. Составление краткого обзора по внедрению в систему образования междисциплинарного подхода - как элемента мотивации для развития познавательных способностей.
2. Обзор и разработка учебно-методических материалов по теме: «введение в нейронные сети».
Объект исследования - процесс обучения с элементами математического и компьютерного моделирования.
Предмет исследования - содержание, методы, формы использования компьютерных программ и методов математического моделирования.
Актуальность: Методы математического и моделирования можно рассматривать как частный случай проблемно-ориентированного обучения в применении к математике..
При выполнении работы использовались следующие методы исследования:
1. изучение и анализ научно - методической и педагогической
литературы по теме исследования;
2. изучение научно-популярной литературы;
3. изучение и обобщение педагогического опыта;
4. разработка математических и компьютерных моделей по теме исследования.
Мы рассмотрели популярную проблему междисциплинарной области между биологией и информационными технологиями - нейронные сети.
Изучаемая тема является бурно развивающей областью науки. Однако мало учебников и интернет ресурсов, которые бы подходили для будущих учителей информатики и математики, для дальнейшего внедрения данной тематики в школьное образование. Существующие книги и интернет издания или слишком специализированные в области программирования или содержат не объемный материал - те. узко направленно рассматриваются какие то конкретные модели. В квалификационной работе мы постарались разрешить эти проблемы. Составлен обзор, охватывающий основные модели, повлиявшие на развитие науки об искуственном интелекте. При этом приведены примеры, выполненные в компьютерной программе “maple” с пояснениям.
Конретно были разработаны и решены задачи:
1. Примеры сети Хопфилда - 3 примера. Пример сети Хэмминга -2 примера. Пример сети Кохонена - 1 пример.
2. Составили обзор по теме «нейронные сети». Разработали подходы к методике обучения школьников и студентов по этой теме.
1. Смирнова М.А. Теоретические основы межпредметных связей - М.,2006.
2. Межпредметные связи в учебном процессе. / Под. ред. Дмитриев С.Д. -Киров
- Йошкар-Ола: Кировский гос. пед. ин-т, 1978- с.80.
3. BestReferat_ru - Банк рефератов, дипломы, курсовые работы, сочинения, доклады.шЫ.
4. Лошкарева Н.А. Межпредметные связи как средство совершенствования учебно-воспитательного процесса - Вып.5. - М.: МГПИ им.В.И.Ленина, 1981.; Лошкарева Н.А. О понятии и видах межпредметных связей // педагогика. - М., 1972. - №6 - С.48-56.
5. Черкес-Заде Н.М. Межпредметные связи как условие совершенствования учебного процесса: Дис.канд.пед.наук. — М.,1968.
6. Ризниченко Г. Ю. и Рубин А. Б. Математические модели биологических процессов. М., Издательство МГУ, 1993.
7. Романовский Ю. М., Степанова Н. В., Чернавский Д. С. Математическое моделирование в биофизике. М., Наука, 1975.
8. Ризниченко Г. Ю. Лекции по математическим моделям в биологии. - Изд. 2¬е, испр. И доп. - М. - Ижевск: НИЦ «Регулярная и хаотичская динамика», 2011.
- 560 с.
9. СалеховаЛ.Л, Зарипов Ф.Ш. " Математическое и дидактическое моделирование как основа подготовки учителей двойного профиля (математика и информатика)". Изда-во КФУ, 2012. 47стр.. Электронный вариантhttp://libweb.ksu.ru/ebooks/publicat/05 A5m000001 .pdf.
10. Тайманов Р.Е., Костромина С.Н., Сапожникова К.В.Формирование шкалы эмоций, вызываемых музыкой. В сборнике:НЕЙРОИНФОРМАТИКА-2016сборник научных трудов : в 3 ч.. 2016. С. 232-241.
11. Рутковская М. Плинский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. : учебное пособие / Издательство:Горячая линия - Телеком. 2007.
12. Мейлихов Е.З., Фарзетдинова Р.М. Набросок аналитической теории многозадачности (можно ли усидеть на двух стульях?). В сборнике: НЕЙРОИНФОРМАТИКА-2016сборник научных трудов : в 3 ч.. 2016. С. 265¬274.
13. Farchat Sh. Zaripov. Teachers of Mathematics-computer Science Based on Mathematical and Didactic Modeling Methods, as Well as Interdisciplinary Relations/ Volume XII, Pages 208-215 (July 2016). The European Proceedings of Social & Behavioural Sciences EpSBS e-ISSN: 2357-1330. IFTE 2016 - EpSBS.
14. Основы теории нейронных сетей. http://www.intuit.ru/studies/courses/88/88/info .
15. Нейронные сети для начинающих.https://habrahabr.ru/post/312450/.
16. Нейронные сети. Краткий курс.
http://masters.donntu.org/2013/fknt/denisenko/library/NN lecture1.pdf
17. Ф. М. Черепанов. Симулятор нейронных сетей для вузов. 2012. Вестник Пермьского университетеа. 9стр.
http://www.permai.ru/files/publicatipns/130.pdf.
18. Ю. И. Александров. Психологические закономерности научения и методы обучения.. ПСИХОЛОГИЧЕСКИЙ ЖУРНАЛ, 2012, том 33, № 6, с. 5-19.
19. Meltzoff A.N., Kuhl P.K., Movellan J., Sejnowski T.J. Foundations for a new science of learning. // Science. 2009. V. 325. P. 284-288.
20. Kitayama S., Tompson S. Envisioning the future of cultural neuroscience // Asian Journal of Social Psychology. 2010. V. 13. P. 92-101.