Kurs: SIECI NEURONOWE I APLIKACJE SZTUCZNEJ
Transkrypt
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.