Opis projektow na zaliczenie

Projekt nr 1: Wnioskowanie w systemach ekspertowych
Celem zajęć jest zapoznanie się z jednym z podstawowych zagadnień sztucznej inteligencji jakim jest
wnioskowanie w systemach z tzw. dziedzinową bazą wiedzy. Studenci na podstawie znajomości
wykładu http://zsi.tech.us.edu.pl/~nowak/asi/w1.pdf oraz prezentacji przedstawianych na wykładzie
dotyczących system PC-Shell:
http://zsi.tech.us.edu.pl/~nowak/zaocznese/tworzenieBW.pdf
http://zsi.tech.us.edu.pl/~nowak/zaocznese/w2a.pdf
przygotowują projekt własnej dziedzinowej bazy wiedzy z dowolnej dziedziny (chciałabym by była to
dziedzina gier komputerowych) i dołączają sprawozdanie zawierające opis specyfiki bazy wiedzy (jej
skład, rolę, co ma być atrybutem decyzyjnych w regułach i co ma być celem wnioskowania przy użyciu
takiej bazy), krótką dokumentację użytkownika (z komentarzami) przedstawiającą przykładowy
scenariusz wnioskowania, oraz podsumowanie mówiące o tym jakie są zalety, wady takiego
rozwiązania (tj. szkieletyowych systemów ekspertowych).
Proszę także uwzględnić literaturę, która pozwoliła przygotować sprawozdanie. Formaty plików:
docx/odt/pdf. Student dołącza także źródło swojej bazy wiedzy z PC-Shella.
Projekt nr 2: Prolog
W oparciu o prezentację z wykładu dotyczącą języka Prolog, tj.
http://zsi.tech.us.edu.pl/~nowak/psiise/Prolog.pdf
Studenci przygotowują własną bazę wiedzy dla Prologa i sprawozdanie w którym przedstawią
przykłady wnioskowania (odpytywania bazy wiedzy napisanej w jez. Prolog). Sprawozdanie powinno
zawierać komentarze, wstęp, podsumowanie.
Projekt nr 3: Sieci Neuronowe
Celem zajęć jest zapoznanie się z wykorzystaniem sztucznych sieci neuronowych w zagadnieniach
sztucznej inteligencji.
Na podstawie znajomości tematyki poznanej na wykładzie
(http://zsi.tech.us.edu.pl/~nowak/asi/w5.pdf) oraz po zapoznaniu się z obsługą narzędzi omawianych
na zajęciach (np. Stastistica) studenci przygotowują sprawozdanie z wykorzystania tej metody
sztucznej inteligencji w zadaniu klasyfikacji oraz regresji.
Narzędzie Statistica studenci UŚ mogą wykorzystać do prowadzonych zajęć. Dostęp do
narzędzia: http://usnet.us.edu.pl/blog/2010/09/09/nowa-wersja-programu-statistica/
Format sprawozdania: pliki pdf/doc/docx/odt plus arkusz źródłowy z użytego narzędzia.
Po zapoznaniu się z narzędziem Stastistica studenci przygotowują sprawozdanie z wykorzystania tej metody sztucznej inteligencji w
zadaniu klasyfikacji oraz regresji. Format sprawozdania: pliki pdf/doc/docx/odt plus arkusz źródłowy z użytego narzędzia.

Oprogramowanie Statistica
Ze strony Uś http://usnet.us.edu.pl/uslugi-sieciowe/oprogramowanie-w-uskusnet/oprogramowanie-statystyczne/
proszę ściągnąć sobie właściwą dla siebie wersję oprogramowania.
Po zainstalowaniu proszę przejrzeć dostępne tam pliki z danymi: proszę wybrać sobie dla
potrzeb kolejnego projektu (tym razem z sieci neuronowych) 2 zbiory: jeden pozwalający na
predykcję (atrybut decyzyjny to liczba którą będziemy przewidywać przy użyciu sieci
neuronowej) oraz zbiór pozwalający dokonywać klasyfikacji (atrybut decyzyjny ma zbiór
dopuszczalnych klas (etykiet).

Projekt z sieci neuronowych - wytyczne:
1. Problem regresyjny: samodzielne tworzenie modelu SN, opis uczenia sieci (jaki typ sieci,
jakie funkcje błędu, funkcje aktywacji, liczba sieci, liczby neuronów w warstwach), ocena
modelu (predykcja + wykresy), wnioski.
2. Problem klasyfikacyjny: samodzielna budowa modelu sieci, opis procesu uczenia sieci
(j.w.), macierz pomyłek z interpretacją, wagi, statystyki, wykresy (krzywe ROC).
Proszę by w ramach projektu porównać kilka możliwych modeli sieci i dla każdego zrobić
eksperyment pozwalający sprawdzić czy zwiększenie liczby neuronów warstwy ukrytej oraz
zwiększenie liczby epok pozwoli poprawić jakość klasyfikacji.
Na koniec proszę ująć wnioski.
Proszę wybrać swoje zbiory danych (nie muszą być te dostępne w Statistica, możecie Państwo
wybrać dowolne inne zbiory).
Pomocne materiały:
http://zsi.tech.us.edu.pl/~nowak/asiZ/labNN1.pdf
http://zsi.tech.us.edu.pl/~nowak/asiZ/sn_spr.pdf