SylabUZ
Course name | Intelligent Calculations |
Course ID | 06.0-WE-AEIT-OI |
Faculty | Faculty of Computer Science, Electrical Engineering and Automatics |
Field of study | Automatic control engineering and robotics, Electrotechnology, Computer science |
Education profile | academic |
Level of studies | PhD studies |
Beginning semester | winter term 2016/2017 |
Semester | 3 |
ECTS credits to win | 2 |
Course type | optional |
Teaching language | polish |
Author of syllabus |
|
The class form | Hours per semester (full-time) | Hours per week (full-time) | Hours per semester (part-time) | Hours per week (part-time) | Form of assignment |
Lecture | 15 | 1 | - | - | Exam |
Wprowadzenie do obliczeń inteligentnych Poznanie możliwości i zastosowań sztucznych sieci neuronowych, algorytmów ewolucyjnych i systemów rozmytych
Wprowadzenie. Sztuczna inteligencja i jej metodologia, efektywność obliczeniowa standardowych systemów obliczeniowych i ich ograniczenia metodologiczne i technologiczne; ogólne własności i charakterystyki systemów obliczeń inteligentnych. Sztuczne sieci neuronowe. Podstawy biologiczne, modele sztucznego neuronu i ich charakterystyki; typy sieci i technik uczenia; perceptron wielowarstwowy, sieci nienadzorowane, sieci dynamiczne, sieci Bayesowskie; proces optymalnego konstruowania sieci neuronowej; przykłady zastosowań. Algorytmy ewolucyjne: Ograniczenia klasycznych technik optymalizacji; inspiracja biologiczna algorytmów ewolucyjnych, ogólny schemat algorytmu ewolucyjnego, standardowe algorytmy ewolucyjne; techniki zaawansowane: zarządzanie populacją, kodowanie i jego ograniczenia, dylemat eksploatacja/eksploracja; adaptacja w środowisku zmiennym. Sztuczne systemy immunologiczne: inspiracja biologiczna, immunologiczna klasteryzacja, immunologiczna optymalizacja, immunologiczna kompresja, algorytmy immunologiczne a walka z wirusami komputerowymi. Systemy rozmyte. Podstawowe pojęcia zbiorów rozmytych, podstawowe operacje na zbiorach rozmytych. Modele rozmyte: struktura, główne elementy i operacje. Zastosowanie modeli rozmytych: rozmyte regulatory, rozmyte układy diagnostyki, rozmyty mechanizm wnioskowania. Rozmyte sieci neuronowe: zasady budowy rozmytych sieci neuronowych.; podstawowe własności sieci rozmytych i ich zastosowania
wykład problemowy, wykład konwencjonalny
Outcome description | Outcome symbols | Methods of verification | The class form |
Wykład - warunkiem zaliczenia jest uzyskanie pozytywnych ocen z kolokwiów pisemnych lub ustnych przeprowadzonych co najmniej raz w semestrze oraz uzyskanie pozytywnej oceny z egzaminu
Piegat A.: Modelowanie i sterowanie rozmyte. - Akademicka Oficyna Wydawnicza EXIT, Warszawa, 1999. Diagnostyka procesów. Modele, metody sztucznej inteligencji, zastosowania. Red: Korbicz J., Kościelny J.M., Kowalczuk Z., Cholewa W. -Wydawnictwo Naukowo-Techniczne, Warszawa, 2002. Witczak: Modelling and estimation strategies for fault diagnosis of non-linear systems.
Modified by prof. dr hab. inż. Marcin Witczak (last modification: 30-09-2016 17:20)