Wydział Elektrotechniki, Informatyki i Telekomunikacji Katalog ECTS

Sieci neuronowe i neuro-rozmyte
Liczba
godzin w
tygodniu
Wykład
Laboratorium
30
30
2
2
Wykład
Laboratorium
18
18
2
2
Forma
zajęć
Kod przedmiotu:
11.9-WE-I-SNSR-PSW_A6_S2S
Typ przedmiotu:
wybieralny
Wymagania wstępne: Język nauczania:
polski
Odpowiedzialny za przedmiot: prof. dr hab. inŜ. Józef Korbicz,
Prowadzący: prof. dr hab. inŜ. Józef Korbicz, pracownicy Instytutu
Sterowania i Systemów Informatycznych
Semestr
Liczba
godzin w
semestrze
•
•
•
•
•
•
Punkty
ECTS
Forma zaliczenia
Studia stacjonarne
egzamin
zaliczenie na ocenę
Studia niestacjonarne
egzamin
II
zaliczenie na ocenę
II
7
Zakres tematyczny przedmiotu:
Wprowadzenie do sieci neuronowych. Historia i rozwój sieci neuronowych. Struktura biologicznego neuronu. Model
matematyczny sztucznego neuronu. Funkcje aktywacji neuronu. Algorytmy uczenia dla perceptronu. Struktury Adaline i
Madline. Uczenie nadzorowane i nienadzorowane. Klasyczny problem XOR.
Jednokierunkowe sieci neuronowe. Idea sieci wielowarstwowych, Algorytm wstecznej propagacji w uczniu sieci
neuronowych. Problemy i ograniczenia gradientowych algorytmów ucznia. Adaptacyjny krok uczenia. Momentum.
Przykłady zastosowań sieci neuronowych. Przegląd zaawansowanych algorytmów uczenia sieci neuronowych. Algorytmy
ewolucyjne w projektowaniu i uczeniu sieci neuronowych. Sieci neuronowe typu GMDH
Rekurencyjne sieci neuronowe. Dynamiczne sieci neuronowe ze sprzęŜeniem zwrotnym. Algorytmy ucznia sieci
neuronowych ze sprzęŜeniem zwrotnym. Matematyczny model dynamicznego neuronu. Lokalnie rekurencyjnie globalnie
jednokierunkowe sieci neuronowe. Sieć Hopfielda. Algorytm ucznia sieci Hopfielda.
Sieci neuronowe samoorganizujące się. Samoorganizująca się mapa cech Kohonena. Uczenie konkurencyjne. Algorytm
gazu neuronowego. Przykładowe zastosowania sieci Kohonena.
Systemy neuro-rozmyte. Zbiory rozmyte i logika rozmyta. Wnioskowanie rozmyte. Neuro-rozmyta sieć typu Mamdaniego.
Neuro-rozmyta sieć Takagi-Sugeno. Algorytmy ucznia dla sieci neuro-rozmytych.
Efekty kształcenia:
Umiejętności i kompetencje w zakresie: zastosowania oraz implementacji sieci neuronowych i neuro-rozmytych,
właściwości róŜnych struktur sieci neuronowych i neuro-rozmytych, rozumienia podstaw matematycznych algorytmów
uczenia sieci neuronowych i neuro-rozmytych, wykorzystania i implementacji algorytmów uczenia, wiedzy z zakresu
ograniczeń poszczególnych algorytmów uczenia, wykorzystania sieci neuronowych i neuro-rozmytych w zadaniach
modelowania systemów nieliniowych i rozpoznawania obrazów.
Warunki zaliczenia:
Wykład - warunkiem zaliczenia kursu jest zdanie egzaminu końcowego
Laboratorium - warunkiem zaliczenia laboratorium jest realizacja wszystkich ćwiczeń laboratoryjnych.
Literatura podstawowa
1.
2.
3.
4.
5.
6.
Korbicz J, Obuchowicz A. Uciński D.: Sztuczne sieci neuronowe - podstawy i zastosowania, Akademicka Oficyna
Wydawnicza PLJ, Warszawa, 1994.
Tadeusiewicz R.: Sieci Neuronowe, Akademicka Oficyna Wydawnicza RM, 1993.
Osowski S.: Sieci neuronowe w ujęciu algorytmicznym, WNT, Warszawa, 1996.
Rutkowska D., Piliński M., L. Rutkowski L.: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, Wyd.
Naukowe PWN, Warszawa, 1997.
Rutkowska D.: Inteligentne systemy obliczeniowe. Algorytmy i sieci neuronowe w systemach rozmytych, Akademicka
Oficyna Wydawnicza PLJ, Warszawa, 1997.
śurada J., Barski M., Jędruch W.: Sztuczne sieci neuronowe, PWN, Warszawa, 1996.
Literatura uzupełniająca
1.
2.
3.
Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R.: Biocybernetyka i InŜynieria Biomedyczna 2000. Tom 6. Sieci
Neuronowe, Akademicka Oficyna Wydawnicza Exit, Warszawa, 2000.
Bishop M.: Neural Networks for Pattern Recognition, Oxford University Press, 1996.
Haykin S.: Neural Networks: A Comprehensive Foundation (2nd Edition), Prentice Hall, 1998.
Uwagi:
-
Wydział Elektrotechniki, Informatyki i Telekomunikacji
Katalog ECTS Informatyka studia II stopnia (stacjonarne i niestacjonarne)
38