SylabUZ

Wygeneruj PDF dla tej strony

Zaawansowane systemy decyzyjne - opis przedmiotu

Informacje ogólne
Nazwa przedmiotu Zaawansowane systemy decyzyjne
Kod przedmiotu 06.0-WE-AiRD-ZSD
Wydział Wydział Informatyki, Elektrotechniki i Automatyki
Kierunek Automatyka i robotyka / Komputerowe Systemy Automatyki
Profil ogólnoakademicki
Rodzaj studiów drugiego stopnia z tyt. magistra inżyniera
Semestr rozpoczęcia semestr zimowy 2020/2021
Informacje o przedmiocie
Semestr 3
Liczba punktów ECTS do zdobycia 3
Typ przedmiotu obowiązkowy
Język nauczania polski
Sylabus opracował
  • dr hab. inż. Andrzej Pieczyński, 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 15 1 9 0,6 Zaliczenie na ocenę
Laboratorium 15 1 9 0,6 Zaliczenie na ocenę

Cel przedmiotu

  • zapoznanie z zaawansowanymi technikami wydobywania wiedzy z danych
  • poznanie metod zastosowania miękkich obliczeń w systemach podejmowania decyzji
  • ukształtowanie umiejętności budowy hybrydowych systemów ekspertowych
  • nabycie umiejętności budowy systemów decyzyjnych w warunkach wiedzy niepewnej i nieprecyzyjnej

Wymagania wstępne

Systemy wspomagania decyzji, Metody sztucznej inteligencji

Zakres tematyczny

Podejmowanie decyzji w warunkach niepełnej, niepewnej i nieprecyzyjnej informacji. Parametryczne i nieparametryczne problemy decyzyjne. Zastosowanie przybliżonych i rozwiniętych systemów ekspertowych. Teoria możliwości. Zastosowanie zbiorów przybliżonych i rozmytych w bazach wiedzy. Optymalizacja drzew decyzyjnych.
Odkrywanie wiedzy w bazach danych, eksploracja danych. Przygotowanie wstępne danych. Zastosowanie miękkich obliczeń w wydobywaniu wiedzy z danych (data mining).
Zastosowanie sieci neuronowych w podejmowaniu decyzji. Sieci neuronowe w grupowaniu i klasyfikacji. Ekstrakcja wiedzy z danych z wykorzystaniem sieci neuronowych.
Rozmyte systemy decyzyjne. Systemy neuronowo rozmyte  w tworzeniu bazy wiedzy. Klasyfikatory rozmyte. Neuronowo-rozmyte systemy decyzyjne różnego typu.
Zastosowanie zbiorów przybliżonych w wspomaganiu decyzji. Zbiory przybliżone oparte na dominacji. Indukcja wzorców klasyfikacji w postaci reguł decyzyjnych.
Projektowanie systemów wspomagania decyzji. Hybrydowe systemy decyzyjne.

Metody kształcenia

wykład: konsultacje, metoda projektu, wykład problemowy, wykład konwencjonalny

laboratorium: symulacja, konsultacje, metoda projektu, ćwiczenia laboratoryjne.

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu Symbole efektów Metody weryfikacji Forma zajęć

Warunki zaliczenia

Literatura podstawowa

J. Łęski, Systemy neuronowo-rozmyte, Wydawnictwa Naukowo-Techniczne, Warszawa, 2008.
2. R. K. Nowicki, Rozmyte systemy decyzyjne w zadaniach z ograniczoną wiedzą, Akademicka Oficyna Wydawnicza Exit, Warszawa, 2009.
3. D. Rutkowska, M. Piliński, L. Rutkowski, Sieci neuronowe, algorytmy genetyczne i zbiory rozmyte, Wydawnictwo Naukowe PWN, Warszawa, 1999.
4. J. Surma J.: Business Intelligence Systemy wspomagania decyzji biznesowych, WN PWN SA, Warszawa 2012.
5. D.T. Laros: Metody i modele eksploracji danych. WN PWN SA, Warszawa 2012.

Literatura uzupełniająca

  1. Pieczyński, Reprezentacja wiedzy w diagnostycznym systemie ekspertowym, Lubuskie Towarzystwo Naukowe w Zielonej Górze, Zielona Góra, 2003.
  2. B. Nadiru, J. Y. Cheung, Fuzzy Engineering Expert Systems with Neural Network Applications, John Wiley & Sons, Inc. New York, 2002.

Uwagi


Zmodyfikowane przez dr hab. inż. Wojciech Paszke, prof. UZ (ostatnia modyfikacja: 23-04-2020 08:29)