SylabUZ

Wygeneruj PDF dla tej strony

Elementy sztucznej inteligencji - opis przedmiotu

Informacje ogólne
Nazwa przedmiotu Elementy sztucznej inteligencji
Kod przedmiotu 11.4-WI-INFP-ESI
Wydział Wydział Informatyki, Elektrotechniki i Automatyki
Kierunek Informatyka
Profil ogólnoakademicki
Rodzaj studiów pierwszego stopnia z tyt. inżyniera
Semestr rozpoczęcia semestr zimowy 2021/2022
Informacje o przedmiocie
Semestr 4
Liczba punktów ECTS do zdobycia 6
Typ przedmiotu obowiązkowy
Język nauczania polski
Sylabus opracował
  • prof. dr hab. inż. Józef Korbicz
  • dr hab. inż. Marek Kowal, prof. UZ
Formy zajęć
Forma zajęć Liczba godzin w semestrze (stacjonarne) Liczba godzin w tygodniu (stacjonarne) Liczba godzin w semestrze (niestacjonarne) Liczba godzin w tygodniu (niestacjonarne) Forma zaliczenia
Wykład 30 2 18 1,2 Egzamin
Laboratorium 30 2 18 1,2 Zaliczenie na ocenę

Cel przedmiotu

  • zapoznanie studentów z architekturami sztucznych sieci neuronowych i algorytmami ich uczenia,
  • zapoznanie studentów z teorią zbiorów rozmytych oraz wnioskowaniem rozmytym,
  • zapoznanie studentów z różnymi strategiami przeszukiwania grafów,
  • ukształtowanie  umiejętności  z  zakresy  wykorzystania  poznanych  metod  sztucznej  inteligencji  w rozwiązywaniu praktycznych problemów inżynierskich.

Wymagania wstępne

Podstawy programowania, Algorytmy i struktury danych

Zakres tematyczny

Sztuczne sieci neuronowe. Budowa neuronu biologicznego. Matematyczny model neuronu. Perceptron prosty.  Reguła  uczenie  perceptronu.  Ograniczenia perceptronu  prostego.  Modele  neuronów  i  ich  własności. Struktury Adaline i Madaline. Sieci wielowarstwowe. Uczenie sieci jednowarstwowej. Uczenie  sieci  wielowarstwowej.  Algorytm  wstecznej  propagacji  błędów.  Modele  neuronów  dynamicznych. Dynamiczne sieci neuronowe. Przykłady zastosowań sztucznych sieci neuronowych.

Systemy  rozmyte  i  neuro-rozmyte.  Zbiory  rozmyte  i  logika  rozmyta.  Operacje  na  zbiorach  rozmytych. Wnioskowanie  rozmyte.  Reguły  rozmyte.  Przykłady  systemów  rozmytych.  Struktury  neuro-rozmyte  i algorytmy ich ucznia.

Algorytmy przeszukiwanie wszerz i w głąb. Algorytm A*. Funkcje heurystyczne. Złożoność pamięciowa i  czasowa  strategii  przeszukiwania. Algorytm  minimax. Algorytm  przycinania  alfa-beta.  Przeszukiwanie  z ograniczeniami.

Metody kształcenia

Wykład: wykład konwencjonalny

Laboratorium: ćwiczenia laboratoryjne z wykorzystaniem sprzętu komputerowego

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu Symbole efektów Metody weryfikacji Forma zajęć

Warunki zaliczenia

Wykład - warunkiem zaliczenia jest uzyskanie pozytywnych ocen z kolokwiów pisemnych lub ustnych przeprowadzonych, co najmniej raz w semestrze.

Laboratorium - warunkiem zaliczenia jest uzyskanie pozytywnych ocen ze wszystkich ćwiczeń laboratoryjnych oraz kolokwiów i sprawdzianów przewidzianych w ramach laboratorium.

Składowe oceny końcowej = wykład: 50% + laboratorium: 50%

Literatura podstawowa

  1. Rutkowski L.: Metody i techniki sztucznej inteligencji, WNT, Warszawa, 2015
  2. Osowski S.: Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechnik Warszawskiej, Warszawa, 2013.
  3. Flasiński M.: Wstęp do sztucznej inteligencji, PWN, Warszawa, 2011.
  4. Russell S., Norvig P.: Artificial Intelligence: A Modern Approach, Prentice Hall, 2009.
  5. Łęski J.: Systemy neuronowo-rozmyte, WNT, Warszawa, 2008.Piegat A.: Modelowanie i sterowanie rozmyte, Akademicka Oficyna Wydawnicza EXIT, Warszawa, 1999.
  6. Korbicz J. Obuchowicz A. Uciński D.: Sztuczne sieci neuronowe: podstawy i zastosowania, AOW PLJ, Warszawa, 1994.
  7. Bengio Y., Courville A., Goodfellow A.: Deep Learning Współczesne systemy uczące się, PWN, 2019.

Literatura uzupełniająca

  1. Tadeusiewicz R., Korbicz J., Rutkowski L., Duch W.: Sieci neuronowe w inżynierii biomedycznej. Akademicka Oficyna Wydawnicza EXIT, Inżynieria biomedyczna. Podstawy i zastosowania, tom 9, 2013.
  2. Bishop C.: Pattern Recognition and Machine Learning, Springer Verlag, 2006.
  3. Mulawka J.J.: Systemy ekspertowe, WNT, 1997.

Uwagi


Zmodyfikowane przez prof. dr hab. inż. Andrzej Obuchowicz (ostatnia modyfikacja: 20-04-2021 08:55)