Kurs: SIECI NEURONOWE I APLIKACJE SZTUCZNEJ

Kurs: SIECI NEURONOWE I APLIKACJE SZTUCZNEJ INTELIGENCJI
Kod kursu: WI/M/I/B.15/KMSIiMS
Odpowiedzialny za kurs, jego miejsce zatrudnienia i e-mail:
Prof. dr hab. inż. Andrzej Piegat,
Zakład Metod Sztucznej Inteligencji, Katedra Metod Sztucznej Inteligencji i Matematyki
Stosowanej,
e-mail : [email protected]
2. Język wykładowy: polski
3. Liczba punktów: 3
4. Rodzaj studiów, kierunek, specjalność, kierunek dyplomowania: studia magisterskie
dzienne, kierunek Informatyka
5. Status kursu dla ww. studiów: obowiązkowy
6. Informacje o formach zajęć:
Zajęcia praktyczne
Wykład
Sem.
Pkt
Seminarium Ćw/ćw.komp. Laboratorium
Projekt
G/sem F.z. G/sem F.z. G/sem F.z. G/sem F.z. G/sem F.z.
VII
3
30
Z
15
1.
7. Wymagane zaliczenie kursów poprzedzających (lub określenie wymaganej wiedzy):
8. Program wykładów
I.
Wprowadzenie do teorii perceptronowych sieci neuronowych.
II.
Aplikacje sztucznej inteligencji w ekonomii:
III.
ocena konieczności kontroli dostawy towaru w hurtowni sieci supermarketów oraz
ocena dostawcy i podjęcie decyzji o kontynuacji współpracy z użyciem logiki rozmytej,
ocena poprawności transakcji bankowej z użyciem sieci neuronowej.
III. Aplikacje sztucznej inteligencji w medycynie:
sterowanie głębokością narkozy pacjenta podczas operacji na otwartym sercu z zastosowaniem
logiki rozmytej.
IV. Aplikacje sztucznej inteligencji w technice:
inteligentny układ oszczędzania energii w systemie ogrzewania domu bez miernika
temperatury zewnętrznej, zastosowanie teorii zbiorów rozmytych i sieci neuronowej do
identyfikacji znaków pisma ręcznego, rozmyte i rozmyto-neuronowe sterowanie
automatów piorących, sterowanie procesem chlorowania i uzdatniania wody w
pływalniach z zastosowaniem logiki rozmytej, rozmyty system sterowania procesem
destylacji, inteligentny układ pozycjonowania robota portalowego.
9. Program zajęć praktycznych – ćwiczenia laboratoryjne:
Treścią laboratorium jest zapoznanie studentów z zastosowaniem sieci neuronowych, logiki
rozmytej i innych metod sztucznej inteligencji do rozwiązywania praktycznych problemów
opisanych dalej, zapoznanie z profesjonalnymi programami komputerowymi rozwiązującymi te
problemy oraz z możliwościami optymalizacji tych programów.
C1 – pozycjonowanie robota portalowego z użyciem logiki rozmytej
C2 – sterowanie procesem oczyszczania ścieków z użyciem logiki rozmytej
C3 – sterowanie procesem destylacji z użyciem wiedzy eksperckiej i logiki rozmytej
C4 – ocena przedsiębiorstw z użyciem metod rozmytej klasteryzacji
C5 – ekstrakcja wiedzy lekarza z bazy diagnoz z użyciem sieci neuronowej RBF
C6 – optymalizacja pracy układu utwardzania tłuszczów z nadrzędnymi wartościami zadanymi
C7 – prognozowanie terminu wiosennej wegetacji roślin na podstawie ograniczonej liczby
pomiarów z użyciem sieci neuronowej
10. Literatura
1. Altrock C., Fuzzy Logic. R. Oldenburg Verlag, München, 1995, Band3.
2.
Piegat A., Modelowanie i sterowanie rozmyte. Akademicka Oficyna Wydawnicza EXIT,
Warszawa 1999.