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