Wydział Elektrotechniki, Informatyki i Telekomunikacji Katalog ECTS
Transkrypt
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