Внаслідок вивчення навчальної дисципліни студент повинен бути здатним продемонструвати такі результати навчання:
1) знання теоретичних основ штучних нейронних мереж;
2) здатність застосовувати існуючі методи побудови штучних нейронних мереж;
3) здатність використовувати принципи математичного моделювання аналогових нейронних мереж;
4) здатність застосовувати методологію математичного моделювання цифрових нейронних мереж;
5) здатність використовувати методи дослідження стабільності штучних нейронних мереж;
6) здатність застосовувати штучні нейронні мережі.
Вивчення навчальної дисципліни передбачає формування та розвиток у студентів компетентностей:
загальних:
1) здатність навчатися;
2) уміння спілкуватися усно та у письмовій формі українською та англійською мовами;
3) здатність здійснювати пошук та аналізувати інформацію з різних джерел;
4) уміння ідентифікувати, формулювати та розв’язувати задачі;
5) уміння застосовувати знання в практичних ситуаціях;
6) уміння приймати обґрунтовані рішення;
7) уміння проводити дослідження на відповідному рівні;
8) уміння працювати в команді;
9) знання та розуміння предметної області та розуміння фаху;
10) уміння спілкуватися з нефахівцями однієї галузі;
11) уміння думати абстрактно, аналізувати та синтезувати;
12) уміння розробляти та керувати проектами;
13) уміння працювати самостійно;
14) навички використання інформаційних та комунікативних технологій;
фахових:
1) уміння використовувати принципи побудови та аналізу штучних нейронних мереж;
2) здатність використовувати штучні нейронні мережі;
3) здатність гнучкого способу мислення, який дає можливість розуміти й розв’язувати задачі, зберігаючи при цьому критичне відношення до усталених наукових концепцій;
4) здатність використовувати поглиблені теоретичні та фундаментальні знання в галузі інформаційних технологій для розроблення складних систем;
5) здатність формулювати, аналізувати та синтезувати рішення наукових задач на абстрактному рівні шляхом їхньої декомпозиції на складові, які можна дослідити окремо в їх більш та менш важливих аспектах;
6) здатність будувати моделі складних інформаційних систем, досліджувати їх для побудови проектів систем;
7) здатність розробляти і впроваджувати моделі інформаційних систем засобами комп’ютерного моделювання;
8) здатність спілкуватись з колегами даної області щодо наукових досягнень як на загальному рівні, так і на рівні спеціалістів,
9) здатність робити усні та письмові звіти, обговорювати наукові теми рідною та англійською мовами;
10) здатність зробити усну презентацію і написати зрозумілу статтю за результатами проведених досліджень;
11) здатність формулювати (роблячи презентації або представляючи звіти) нові гіпотези та наукові задачі в області інформаційних технологій, вибирати належні напрями і відповідні методи для їхнього розв’язування;
12) здатність сприймати здобуті знання в області комп’ютерних наук, інформаційних технологій та інтегрувати їх з наявними;
13) здатність вивчати та критично оцінювати нові інформаційні технології, моделі і методи, ґрунтуючись на фахових у цих областях наукових літературних джерелах.

• пре-реквізит: диференційні рівняння; чисельні методи; теорія систем; теорія електронних схем; мови програмування, алгоритми і структури даних; комп’ютерні мережі;
• ко-реквізит: системи штучного інтелекту; oбробка сигналів; розподілені комп’ютерні системи.

Вивчаються основи теорії штучних нейронних мереж та деякі їх застосування, зокрема: математичні основи штучних нейронних мереж; їх архітектура та електронна реалізація; стабільність функціонування мереж; мережі лінійного, квадратичного програмування та лінійні доповнювальні задачі; алгоритми оптимізації без обмежень і навчальні алгоритми; мережі нелінійних задач оптимізації з обмеженнями; мережі задач дискретної та комбінаторної оптимізації; мережі ідентифікації сигналів і систем; методи моделювання нейронних осциляторів.

Базова
1. А. Cichocki and R. Unbehauen, Neural Networks for Optimization and Signal Processing, John Wiley and Sons, 1993.
2. S. Haykin. Neural Networks: A Comprehensive Foundation, Prentice-Hall, Upper Saddle River, New Jersey, 1999.
3. Руденко О. Г., Бодянський Є. В. Штучні нейронні мережі: Навчальний посібник. – Харків: ТОВ ”Компанія СМІТ”, 2006. – 404 с.
4. Тимощук П. В. Штучні нейронні мережі: навч. посібник / П. В. Тимощук. – Львів: Видавництво Львівської політехніки, 2011. – 444 с.
Допоміжна
1. R. M. Golden, Mathematical Methods for Neural Network Analysis and Design: MIT Press, Cambridge, Massachusetts, 1996.
2. Глибовець М.М., Олецький О.В. Штучний інтелект. - К .:Видавничий дім "КМ Академія" , 2002 . - 366 c.
Інформаційний ресурс
Тимощук П. В., Кривий Р. З. Штучні нейронні мережі: Електронний навчально-методичний комплекс для студентів Інституту комп’ютерних наук та інформаційних технологій спеціальності 8.05010102 “Інформаційні технології проектування”. Сертифікат № 00473, номер та дата реєстрації: Е41-165-32/2013 від 28.10.2013 р. [Електронний ресурс] – Режим доступу: http://vns.lp.edu.ua/course/view.php?id=8582.

• поточний контроль (50%): поточні звіти з лабораторних робіт, усне опитування;
• підсумковий контроль (50%, екзамен): виконання тестових завдань.