Strona główna

Inteligencja komputerowa (obliczeniowa)


Pobieranie 32.78 Kb.
Data19.06.2016
Rozmiar32.78 Kb.

          Inteligencja komputerowa (obliczeniowa)

          4,5 ECTS

          Nazwa w języku angielskim: Computational Intelligence

          dzienne magisterskie, informatyka

Kod przedmiotu

Imię i Nazwisko organizującego

          Prof. dr hab. inż. Michał Białko

Liczba godzin

w

c

Kurs nie egzaminacyjny




2

1

15 tygodni zajęć




Kursy poprzedzające

Podstawy informatyki, programowanie komputerów

Słowa kluczowe

Sztuczna inteligencja, systemy rozmyte, sztuczne sieci neuronowe, algorytmy ewolucyjne




Program szczegółowy

Opis kursu: Zapoznanie się z możliwościami zastosowań komputerów do symulacji systemów opartych na zbiorach rozmytych i logice rozmytej, pozwalających przetwarzanie wiedzy nieprecyzyjnej, symulacji sztucznych sieci neuronowych naśladujących działanie układu nerwowego, realizacji algorytmów ewolucyjnych opartych o procesy ewolucyjne w naturze, a także zastosowań tych metod w praktyce inżynierskiej.

Zapoznanie się z metodami obliczeniowymi, wykraczającymi poza klasyczne metody algorytmiczne, zawierającymi cechy systemów inteligentnych. Nabranie umiejętności w tworzeniu programów komputerowych z zakresu systemów rozmytych, programowego tworzenia sztucznych sieci neuronowych i ich trenowania oraz tworzenia i stosowania algorytmów ewolucyjnych.



Zastosowania praktyczne systemów rozmytych do sterowania i automatyki; metody trenowania sieci neuronowych i ich zastosowania do automatycznego tworzenia baz danych; zastosowania algorytmów ewolucyjnych do procesów optymalizacji prac projektowych.

  1. 4 godz.

ZBIORY ROZMYTE

Zagadnienia: Charakterystyka inteligentnych programów komputerowych. Zbiory klasyczne i rozmyte; funkcje przynależności, zmienne lingwistyczne, rodzaje termów i sposoby ich reprezentacji, modyfikatory. Podstawowe operacje na zbiorach rozmytych: przecięcie, połączenie, dopełnienie; stosowane operatory: normy trójkątne T-norma i S-norma. Relacje rozmyte.

  1. 4 godz.

WNIOSKOWANIE ROZMYTE

Zagadnienia Schemat blokowy systemu rozmytego; baza reguł rozmytych, rozmywanie, wnioskowanie rozmyte (z operatorami: MIN oraz iloczyn algebraiczny), agregacja zbiorów wyjściowych. Wyostrzanie wielkości wyjściowej. Przykłady działania systemu rozmytego z jednym wejściem i jednym wyjściem.

  1. 4 godz.

SYSTEMY ROZMYTE

Zagadnienia: Systemy rozmyte wielowejściowe i wielowyjściowe. Projektowanie i właściwości systemów rozmytych, charakterystyki przejściowe. Przykłady zastosowań praktycznych.

  1. 4 godz.

SZTUCZNE SIECI NEURONOWE 1

Zagadnienia: Budowa i działanie nerwowej komórki biologicznej; model sztucznego neuronu i jego działanie. Rodzaje sygnałów i funkcji aktywacji. Struktury sieci neuronowych. Metody trenowania sieci neuronowych.


  1. 4 godz.

SZTUCZNE SIECI NEURONOWE 2

Zagadnienia: Reprezentacja funkcji i koncepcji przez sieci neuronowe; jednokomórkowe modele (perceprtonowe) funktorów logicznych, funkcje liniowo separowalne i nieseparowalne: płaszczyzny podziału; sposoby reprezentacji przestrzeni cech charakterystycznych; reprezentacja wiedzy regułowej przez sztuczne sieci neuronowe.

  1. 4 godz.

SZTUCZNE SIECI NEURONOWE 3

Zagadnienia:. Trenowanie sztucznych sieci neuronowych; trenowanie pojedynczych komórek - algorytmy perceptronowe, algorytm wieżowy, algorytm Widrow’a-Hoff’a (sieć ADALINE). Trenowanie wielowarstwowych sieci jednokierunkowych: algorytm wstecznej propagacji błędu. Przykłady zastosowań: klasyfikatory neuronowe, pamięci asocjacyjne.

Wykład 7. 4 godz. | ALGORYTMY EWOLUCYJNE

=================================================================

Zagadnienia: Podstawowe pojęcia i potencjalne zastosowania; operatory genetyczne: selekcja osobników, krzyżowanie chromosomów, mutacja genów w chromosomach. Działanie klasycznego algorytmu genetycznego i przykłady optymalizacji funkcji. Modyfikacje algorytmu genetycznego; strategie ewolucyjne i operatory ewolucyjne – przykłady działania. Modyfikacje operatorów selekcji, krzyżowania i mutacji. Przykłady zastosowań.

    Wykład 8. 2 godz.

SPRAWDZIAN ZALICZENIOWY




Plany ćwiczeń
  1. 2godz.


programowe realizacje zbiorów rozmytych

Opis ćwiczenia: Programowe tworzenie: termów zmiennej lingwistycznej o różnych kształtach, modyfikatorów, zmiennych o wielu termach; - operacji przecięcia, połączenia idopełnienia, dla operatorów standardowych i różnych norm trójkątnych.
        1. 2godz.


programowe realizacje operacji rozmytych

Opis ćwiczenia: Programowe tworzenie: reguł rozmytych, rozmywania, implikacji, agregacji i wyostrzania; połączenie podprogramów.

        1. 2godz.


programowe realizacje systemów rozmytych

Opis ćwiczenia: Programowe tworzenie: rozmytych systemów jednowejściowych i jednowyjściowych oraz systemów wielowejściowych i wielowyjściowych o zadanych charakterystykach przejściowych.

        1. 2godz.


właściwości komórek i sieci jednowarstwowych

Opis ćwiczenia: Programowa symulacja sztucznej komórki neuronowej, obliczanie aktywacji dla różnych funkcji aktywacji i różnych sygnałów.
        1. 2godz.


NEURONOWE FUNKTORY LOGICZNE I PRZESTRZEŃ CECH

Opis ćwiczenia: Programowe realizacje jednokomórkowych funktorów logicznych (klasyfikatorów prostych) oraz sieci do reprezentacji przestrzeni cech charakterystycznych obiektów.

        1. 2godz.


TRENOWANIE SIECI NEURONOWYCH

Opis ćwiczenia: Programy do trenowanie pojedynczych komórek: algorytm perceptronowy i wieżowy. Programy do trenowania sieci wielowarstwowych: algorytm wstecznej propagacji błędu i jego modyfikacje.
        1. 2godz.


algorytmy ewolucyjne

Opis ćwiczeniaa. Realizacja algorytmy genetycznego z różnymi rodzajami operatorów oraz realizacja strategii ewolucyjnych. Opracowanie przykładów optymalizacji funkcji.
        1. 1godz.


Czynności kontrolne i organizacyjne związane z zaliczaniem ćwiczeń

Wykaz źródeł (podręczników i skryptów)

  1. M. Białko, Podstawowe właściwości sieci neuronowych i hybrydowych systemów ekspertowych, Wyd. Uczelniane Politechniki Koszalińskiej, Koszalin 2000,

  2. M. Białko, Sztuczna inteligencja i elementy hybrydowych systemów ekspertowych, Wydawnictwo Uczelniane Politechniki Koszalińskiej, Koszalin 2005,

  3. D. Rutkowska i in., Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, PWN, Warszawa 1999,

  4. S. Osowski, Sieci neuronowe – w ujęciu algorytmicznym, WNT, Warszawa 1996.





©snauka.pl 2016
wyślij wiadomość