Sieci neuronowe i zbiory rozmyte #11.4.0003
Transkrypt
Sieci neuronowe i zbiory rozmyte #11.4.0003
Sieci neuronowe i zbiory rozmyte #11.4.0003 Sylabusy - Ośrodek Informatyczny UG Nazwa przedmiotu Sieci neuronowe i zbiory rozmyte Nazwa jedostki prowadzącej przedmiot Instytut Informatyki Nazwisko osoby prowadzącej (osób prowadzących) prof. UG, prof. dr hab. inż. Sławomir Wierzchoń Studia wydział Wydział Matematyki, Fizyki i Informatyki kierunek Informatyka stopień drugiego stopnia Kod ECTS 11.4.0003 tryb stacjonarne specjalność wszystkie specjalizacja wszystkie semestr 4 Formy zajęć, sposób ich realizacji i przypisana im liczba godzin Liczba punktów ECTS Formy zajęć 5 Wykład, Ćw. laboratoryjne Przedmiot w wymiarze 30h wykładu i 30h Sposób realizacji zajęć laboratorium + praca własna studenta zajęcia w sali dydaktycznej Liczba godzin Wykład: 30 godz., Ćw. laboratoryjne: 30 godz. Cykl dydaktyczny 2012/2013 letni Status przedmiotu Język wykładowy - obowiązkowy polski - fakultatywny Metody dydaktyczne Forma i sposób zaliczenia oraz podstawowe kryteria oceny lub wymagania egzaminacyjne - wykład z prezentacją multimedialną Sposób zaliczenia - ćwiczenia laboratoryjne - projektowanie - Egzamin doświedczeń - Zaliczenie na ocenę - ćwiczenia laboratoryjne - wykonywanie Formy zaliczenia doświedczeń - wykonanie pracy zaliczeniowej - projekt lub prezentacja - egzamin ustny Podstawowe kryteria oceny Ocena projektów oraz ocena z egzaminu Określenie przedmiotów wprowadzających wraz z wymogami wstępnymi A. Wymagania formalne Ukończenie przedmiotów związanych z programowaniem w C lub Javie. Ukończenie podstawowego kursu matematyki dyskretnej. B. Wymagania wstępne Umiejętność programowania w Javie lub C. Znajomość podstawowych faktów z teorii mnogości w zakresie algebry zbiorów, Znajomość podstawowych faktów z analizy matematycznej Cele kształcenia Student zdobywa wiedzę i umiejętności w zakresie zasad drążenia danych i pozyskiwania wiedzy regułowej z danych, znajomości algorytmów przetwarzania wiedzy regułowej (sterowniki rozmyte i ich zastosowanie w sterowaniu rzeczywistymi procesami), a także znajomość algorytmów stosowanych w systemach neuronowo-rozmytych (wraz z zastosowaniami np. w zadaniach aproksymacji i prognozowania). Treści programowe 1. Wprowadzenie – rola systemów neuronowo-rozmytych w inteligencji obliczeniowej 2. Zbiory rozmyte i przybliżone wnioskowanie rozmyte (zbiory, liczby i relacje rozmyte, działania na zbiorach i liczbach rozmytych, rozmyte modelowanie). 3. Reguły rozmyte i wnioskowanie z takimi regułami. Metody uczenia reguł rozmytych. Zastosowania reguł do konstrukcji sterowników rozmytych. 4. Sieci neuronowe, algorytmy ich uczenia Jednokierunkowe sieci warstwowe i algorytm wstecznej propagacji błędu. Alternatywne metody uczenia: radialne sieci neuronowe oraz algorytm ELM (Extreme Learning Machine). Sieci samoorganizujące się i algorytmy uczenia konkurencyjnego (sieci Kohonena, Fritzke’go) Sieci ART 5. Przegląd zastosowań omówionych typów sieci (aproksymacja funkcji, analiza danych, itp.) 6. Systemy neuronowo-rozmyte (architektura ANFIS, Adaptive Neurofuzzy Inference System, i jej zastosowania w modelowaniu neuro-rozmytym). Wykaz literatury Literatura podstawowa 1. D. Rutkowska, M. Piliński, L. Rutkowski. Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. Warszawa 1997 Wyd. Naukowe PWN Sieci neuronowe i zbiory rozmyte #11.4.0003 | 74d22cb70275f3183bf48d9a138e007e | Strona 1 z 2 Sieci neuronowe i zbiory rozmyte #11.4.0003 Sylabusy - Ośrodek Informatyczny UG 2. L. Rutkowski. Metody i techniki sztucznej inteligencji. Inteligencja obliczeniowa. Warszawa 2005 PWN 3. J. Korbicz, A.Obuchowicz, D. Uciński. Sztuczne sieci neuronowe: podstawy i zastosowania. Warszawa 1994 Akademicka Oficyna Wydawnicza PLJ (Seria: Problemy Współczesnej Nauki. Teoria i Zastosowania. Informatyka). 4. A. Piegat. Modelowanie i sterowanie rozmyte. Warszawa 1999 Akademicka Oficyna Wydawnicza EXIT (Seria: Problemy Współczesnej Nauki. Teoria i Zastosowania. Informatyka) Literatura uzupełniająca: 1. M. Gorzałczany. Computational Intelligence Systems and Applications. Neuro-Fuzzy and Fuzzy Neural Synergisms. Heidelberg 2002 PhysicaVerlag 2. E.J. Gately. Sieci neuronowe. Prognozowanie finansowe i projektowanie systemów transakcyjnych. Warszawa 1999, WIG-Press 3. J. Hertz, A. Krogh, R.G. Palmer. Wstęp do teorii obliczeń neuronowych. Wyd. drugie. Warszawa 1995 WNT Efekty uczenia się Wiedza Student: Student: K_W02 ma pogłębioną wiedzę na temat podstawowych K_W04 zna formalne modele obliczeń a także ich własności i znaczenie w paradygmatów programowania; praktycznych zastosowaniach informatycznych, ma wiedzę na temat barier K_W04 zna formalne modele obliczeń a także ich własności obliczalności i trudności obliczeń i znaczenie w praktycznych zastosowaniach K_W06 zna zaawansowane metody projektowania i analizowania złożoności informatycznych, ma wiedzę na temat barier obliczalności i obliczeniowej algorytmów, zna zasady działania oraz praktycznego zastosowania trudności obliczeń najważniejszych algorytmów różnego typu w sensie ich treści jak i sposobu ich K_W05 Zna najważniejsze konstrukcje programistyczne wykonywania oraz struktury danych K_W07 zna podstawowe modele optymalizacyjne opisu wiedzy a także ich K_W06 zna zaawansowane metody projektowania i własności i znaczenie w praktycznych zastosowaniach informatycznych analizowania złożoności obliczeniowej algorytmów, zna K_W08 ma ogólną wiedzę o aktualnych kierunkach rozwoju i nowoczesnych zasady działania oraz praktycznego zastosowania wariantach omawianych modeli opisu wiedzy najważniejszych algorytmów różnego typu w sensie ich K_W11 zna wybrane algorytmy w zakresie Inteligencji obliczeniowej treści jak i sposobu ich wykonywania K_W12 zna dobrze zasady bezpieczeństwa i higieny pracy w zawodzie informatyka K_W10 zna metody algorytmicznego rozwiązywania Umiejętności Student: problemów obliczeniowo trudnych (aproksymacja, K_U04 potrafi wyrażać praktyczne problemy w sformalizowany sposób (potrafi heurystyki) dobrać właściwy model z dziedziny Inteligencji obliczeniowej) K_W12 zna dobrze zasady bezpieczeństwa i higieny pracy K_U12 potrafi przedstawić wyniki badań w postaci samodzielnie przygotowanej w zawodzie informatyka rozprawy (referatu) zawierającej opis i uzasadnienie celu pracy, przyjętą K_U02 ma umiejętność projektowania abstrakcyjnych metodologię, wyniki oraz ich znaczenie na tle innych podobnych badań struktur danych i ich wydajnych implementacji K_U06 projektuje, analizuje pod kątem poprawności i Kompetencje społeczne (postawy) Student: złożoności obliczeniowej oraz programuje algorytmy z K_K02 potrafi pracować zespołowo,rozumie konieczność systematycznej pracy nad wykorzystaniem różnych technik programistycznych projektami, które mają charakter długofalowy; potrafi rozplanować pracę w grupie, K_U07 potrafi zastosować znane algorytmy w konkretnych umie określić priorytety pracy sytuacjach, potrafi efektywnie dobrać rodzaj i sposób wykonania algorytmu w zależności od postawionego problemu Kontakt [email protected] Sieci neuronowe i zbiory rozmyte #11.4.0003 | 74d22cb70275f3183bf48d9a138e007e | Strona 2 z 2