Sylabus - Ohio University

FOR 05.03.01
WYŻSZA SZKOŁA
INFORMATYKI I ZARZĄDZANIA
z siedzibą w RZESZOWIE
SKRÓCONY ŻYCIORYS ZAWODOWY NAUCZYCIELA
Dr Janusz Starzyk
Absolwent i byly pracownik Politechniki Warszawskiej. Doktor nauk technicznych.
Ukończył studia podoktoranckie w McMaster University w Kanadzie. Obecnie
pracownik w School of Electrical Engineering and Computer Science, Ohio
University, Stany Zjednoczone oraz Katedry Systemów Ekspertowych i Sztucznej
Inteligencji WSIiZ. Autor licznych publikacji naukowych z zakresu analizy i
testowania ukladow elekronicznych, sieci neuronowych, i inteligencji maszyn.
Obszar zainteresowań naukowo-badawczych obejmuje problematykę projektowania
autonomicznych systemów inteligentnych, sieci neuronowych i zagadnienia
inteligencji obliczeniowej.
PROGRAM PRZEDMIOTU
(SYLLABUS)
1. PODSTAWOWE INFORMACJE O PRZEDMIOCIE
NAZWA
PRZEDMIOTU
Inteligentne Systemy Autonomiczne
WYDZIAŁ
Administracyjno-Informatyczny
KIERUNEK
Informatyka i Ekonometria
SPECJALNOŚĆ
SEMESTR (NUMER) 1
SYMBOL GRUPY
WYKŁADOWEJ
ROK AKADEMICKI
MKD/2003
MKD-TI-SZL/2003
MKD-TI-SZL/2004
FORMA ZAJĘĆ
FORMA STUDIÓW
(STACJONARNE/
Stacjonarne
NIESTACJONARNE)
LICZBA GODZIN
PROWADZĄCY ZAJĘCIA
WYKŁAD
30
DR J. STARZYK
LABORATORIUM
14
MGR INŻ. M. KNAPP
2007-09-23
2007/2008
1
FOR 05.03.01
WYŻSZA SZKOŁA
INFORMATYKI I ZARZĄDZANIA
z siedzibą w RZESZOWIE
2. SZCZEGÓŁOWY PROGRAM ZAJĘĆ
WYKŁAD
Lp.
1
2
Temat
Inteligentne systemy
autonomiczne
Literatura do tematu
Materiały wykładowe
• W. Duch, Fascynujący Świat Komputerów
Wydawnictwo NAKOM, Poznań, Maj 1997
• Pojecie inteligentnego systemu
•
W. Duch, Fascynujący Świat Programów
autonomicznego
Komputerowych
Wydawnictwo NAKOM, Poznań,
• Sztuczna inteligencja i inteligencja
Grudzień 1997
obudowana (embodied intelligence)
• Wspoldzialanie czujnikow i przekaznikow • R. Pfeifer, J.C. Bongard, How the Body Shapes the Way
We Think: A New View of Intelligence (Bradford Books),
• Okreslanie celu dzialania maszyny
2007.
• Implementacja i technologia
• J. Hawkins, S. Blakeslee, On Intelligence, Holt Paperbacks, 2005.
Materiały wykładowe
Roboty jako inteligentne
• http://www.asimo.pl/
systemy autonomiczne
• http://tokyolectures.org/
• Zolwie Grey Waltera
• Michael Negnevitsky, Artificial Intelligence, A Guide to
• Pojazdy Braitenberga
Intelligent Systems
• Wczesne roboty
•
S. Thrun, W. Burguard, D. Fox, Probabilistic Robotics.
• Roboty dzis i jutro
•
Brooks, R. A., "Elephants Don't Play Chess", Robotics
• Architektura podporzadkowana (suband Autonomous Systems (6), 1990, pp. 3–15.
sumtion architecture)
• Maszynowe widzenie
• Maszynowe uczenie
3
Uczenie w sieciach
neuronowych
•
•
•
•
•
•
•
•
•
•
•
•
4.
Koncepja sieci neuronowej
Uczenie z nadzorem
Sieci wielowarstwowe
Uczenie sekwencyjne
Sieci rekurencyjne
Przeuczenie
Uczenie Bayesowskie
Samouczenie sieci
Grupowanie
Ukryty model Markova
Sieci Hopfielda
Maszyny Boltzmana
Organizacja mozgu
•
•
•
•
•
Umysł, mózg i modele
Genetyka i rozwój mozgu
Działanie mózgu
Funkcjonalna budowa mózgu
Kora nowa i lokalizacja czynności
psychicznych
• Percepcja i ruch
• Pamiec
• Wyzsze czynnosci psychiczne
2007-09-23
Uwagi
Dopuszczalna jest
każda inna pozycja w
której omawiane są
problemy poruszane w
ramach wykładu.
Dopuszczalna jest
każda inna pozycja w
której omawiane są
problemy poruszane w
ramach wykładu.
Materiały wykładowe
• Inspiracje neurobiologiczne
http://www.fizyka.umk.pl/~duch/Wyklady/NN_plan.html
• J. Zurada, M. Barski, W. Jędruch Sztuczne sieci
neuronowe, PWN 1996
• S. Osowski Sieci neuronowe w ujęciu algorytmicznym,
WNT 1996.
• L. Rutkowski (ed) Sieci neuronowe i neurokomputery
Wyd. Pol.Czest. 1996
• W. Duch, J. Korbicz, L. Rutkowski, R. Tadeusiwicz,
"Biocybernetyka i Inzynieria Biomedyczna 2000", tom 6,
"Sieci Neuronowe", AOW 2000.
• S. Osowski, "Sieci neuronowe do przetwarzania
informacji", Oficyna Wyd. Politechniki Warszawskiej,
Warszawa 2000.
• R. A. Kosiński Sztuczne sieci neuronowe, WNT 2002
Dopuszczalna jest
każda inna pozycja w
której omawiane są
problemy poruszane w
ramach wykładu.
Materiały wykładowe
• Jak dziala mozg
http://www.fizyka.umk.pl/~duch/Wyklady/Mozg_plan.html
• Randall C. O'Reilly, Yuko Munakata, James L.
McClelland Computational Explorations in Cognitive
Neuroscience: Understanding the Mind by Simulating the
Brain, The MIT Press; 1st edition (September 4, 2000)
Dopuszczalna jest
każda inna pozycja w
której omawiane są
problemy poruszane w
ramach wykładu.
2
FOR 05.03.01
WYŻSZA SZKOŁA
INFORMATYKI I ZARZĄDZANIA
z siedzibą w RZESZOWIE
LABORATORIUM
Lp.
1.
2.
3.
4.
5.
6.
7.
8.
Temat
Podstawy programu MALTB
Wsteczna propagacja bledow uczenia
Uogolnianie
Sieci radialne
Ukryty model Markova
Maszyny Boltzmana
Przeuczenie i optymalizacja sieci
Zaliczenie
Literatura do tematu
Uwagi
Literatura podana do wykładu
MATLAB tutorial
E-LEARNING
Strona wykladu:
http://www.ent.ohiou.edu/~starzyk/network/Class/Wyklady.htm
2007-09-23
3
FOR 05.03.01
WYŻSZA SZKOŁA
INFORMATYKI I ZARZĄDZANIA
z siedzibą w RZESZOWIE
3. KRYTERIA I FORMA ZALICZENIA ZAJĘĆ
WYKŁAD
W semestrze student pisze jedno kolokwium na ostatnich zajęciach, za które maksymalnie może
otrzymać 20pkt. Zamiana punktów na oceny następuje wg następujących zasad:
0 – 10 punktów ⇒ ocena 2.0
11 – 12 punktów ⇒ ocena 3.0
13 – 14 punktów ⇒ ocena 3,5
15 – 16 punktów ⇒ ocena 4.0
17 – 18 punktów ⇒ ocena 4.5
19 – 20 punktów ⇒ ocena 5.0
LABORATORIUM:
W semestrze student pisze jedno kolokwium na ostatnich zajęciach. Kolokwium zawiera trzy zadania
punktowane w skali 0; 0,5; 1pkt. W sumie maksymalnie za kolokwium student może uzyskać 3pkt.
W przypadku gdy student nie opuścił żadnych zajęć do ilości punktów uzyskanych w ramach kolokwium
dodaje się 0,5pkt.
Zamiana uzyskanych punktów na ocenę następuję wg następujących zasad:
0 – 0,5 pkt ⇒ ocena 2.0
1,0 pkt. ⇒ ocena 3.0
1,5 pkt. ⇒ ocena 3,5
2,0 pkt. ⇒ ocena 4.0
2,5 pkt. ⇒ ocena 4.5
3,0 pkt. ⇒ ocena 5.0
Uwaga!:
Aby zastosować powyższą tabelę przeliczeń student musi rozwiązać jedno zadanie w całości tzn.
uzyskać za nie 1pkt.
E-LEARNING:
Janusz A. Starzyk
Nauczyciel
2007-09-23
Zdzisław S. Hippe
Kierownik Katedry (Zakładu)
Bolesław Jaskuła
Dziekan
4