Metody sztucznej inteligencji

niestacjonarne

II stopnia

obowiązkowy

W 6/+, L 12/+

1. Układy cyfrowe 1, 2. Wymagania wstępne: znajomość techniki cyfrowej.

2. Przetwarzanie sygnałów. Wymagania wstępne: znajomość podstaw cyfrowego przetwarzania sygnałów.

3. Języki programowania. Wymagania wstępne: znajomość podstaw programowania.

Kierunek studiów: Elektronika i Telekomunikacja

Specjalność: wszystkie

dr inż. Andrzej PONIECKI

2

Inteligentne metody obliczeniowe. Metody kognitywne. Podstawowe pojęcia teorii sztucznych sieci neuronowych. Algorytm wstecznej propagacji błędu. Uczenie z nadzorem i bez. Sieci rekurencyjne. Sieci ze współzawodnictwem. Podstawy teoretyczne logiki rozmytej. Metody projektowania sterowników opartych na logice rozmytej. Naśladownictwo natury w algorytmach ewolucyjnych i genetycznych.

Teoria gier. Analiza języka naturalnego.

Wykład:

1. Wprowadzenie do przedmiotu. Inteligentne metody obliczeniowe. Uczenie maszynowe. Metody kognitywne. Umysł i mózg (1h).

2. Szukanie. Podstawowe pojęcia i modele. Metody szukania na ślepo i z ograniczeniami. Szukanie heurystyczne - podstawowe definicje. Strategie przeszukiwania zachłannego, A*, IDA*, algorytm wspinaczkowy symulowanego wyżarzania, ewolucyjny, analiza języka naturalnego i inne (1h).

3. Logika rozmyta. Podstawy teoretyczne. Reguły wnioskowania. Sterowniki oparte na logice rozmytej. Metody projektowania. Systemy łączące zalety modeli zbiorów rozmytych i sieci neuronowych (1h).

4. Sztuczne sieci neuronowe. Podstawowe pojęcia. Algorytm wstecznej propagacji błędu. Uczenie z nadzorem i bez. Sieci rekurencyjne. Sieci ze współzawodnictwem (2h).

5. Automaty komórkowe (1h).

podstawowa:

1. D. Rutkowska, M. Piliński, L. Rutkowski, Sieci neuronowe, algorytmy genetyczne i systemy rozmyte , PWN, Warszawa 1999

2. A. Silberchatz, P. B. Galwin, Podstawy systemów operacyjnych, WNT, Warszawa 2006

3. Z. Michałowicz, Algorytmy genetyczne + struktury danych = algorytmy ewolucyjne, WNT, Warszawa 2003

4. S. Osowski, Sieci neuronowe w ujęciu algorytmicznym, WNT, Warszawa 1996

5. D.E. Goldberg, Algorytmy genetyczne i ich zastosowania, WNT, Warszawa 2003

6. L. Rutkowski, Metody i techniki sztucznej inteligencji, PWN, Warszawa 2009

7. M. Flasiński, Wstęp do sztucznej inteligencji, PWN, Warszawa 2011

uzupełniająca:

8. Materiały z Internetu na podstawie informacji podawanych na wykładach

W1 - Student zna podstawy teorii sztucznych sieci neuronowych, logiki rozmytej i algorytmów genetycznych (K_W08)

W2 - Student zna zasady wykorzystania metod sztucznej inteligencji do rozwiązywania zadań praktycznych (K_W08)

U1 - Student potrafi zaprojektować aplikacje wykorzystujące teorię sztucznych sieci neuronowych, logiki rozmytej lub algorytmów genetycznych (K_U09, K_U17)

U2 - Student potrafi samodzielnie poznawać specyfikę nowych narzędzi programistycznych (K_U11)

K1 - Student ma świadomość odpowiedzialności za pracę własną oraz jest gotowy do podporządkowania się zasadom pracy w zespole i ponoszenia odpowiedzialności za wspólnie realizowane zadania (K_K03, K_K04)

Przedmiot zaliczany jest na podstawie: zaliczenia

Zaliczenie jest przeprowadzane w formie pisemnej obejmującej całość programu przedmiotu oraz ćwiczeń laboratoryjnych (kolokwium końcowe).

Warunek konieczny do uzyskania zaliczenia: uzyskanie pozytywnej oceny z ćw. laboratoryjnych oraz kolokwium końcowego.

Ćwiczenia laboratoryjne zaliczane są na podstawie: realizacji zadań projektowych zleconych przez prowadzącego.

Efekty W1, W2 sprawdzane są: kolokwium końcowym.

Efekt U1, U2 sprawdzane są w trakcie ćwiczeń laboratoryjnych oraz w pewnym zakresie na kolokwium końcowym.

Efekt K1 sprawdzany jest w trakcie ćwiczeń laboratoryjnych.