SylabUZ
Nazwa przedmiotu | Sieci neuronowe i neuro-rozmyte |
Kod przedmiotu | 11.3-WI-INFD-SNNR |
Wydział | Wydział Informatyki, Elektrotechniki i Automatyki |
Kierunek | Informatyka / Inżynieria Systemów Informatycznych |
Profil | ogólnoakademicki |
Rodzaj studiów | drugiego stopnia z tyt. magistra inżyniera |
Semestr rozpoczęcia | semestr letni 2016/2017 |
Semestr | 2 |
Liczba punktów ECTS do zdobycia | 6 |
Typ przedmiotu | obowiązkowy |
Język nauczania | polski |
Sylabus opracował |
|
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 |
brak
Algorytm wstecznej propagacji w uczniu sieci neuronowych. Problemy i ograniczenia gradientowych algorytmów ucznia. Adaptacyjny krok uczenia i momentum. Algorytmy Newtonowskie, i quasi-Newtonowskie. Przegląd zaawansowanych algorytmów uczenia sieci neuronowych. Przykłady zastosowań sieci neuronowych jednokierunkowych w rozpoznawaniu obrazów.
Sieci neuronowe typu rekurencyjnego. Algorytmy ucznia sieci neuronowych ze sprzężeniem zwrotnym. 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.
Metody uczenia głębokiego. Konwolucyjne sieci neuronowe. Ograniczona maszyna Boltzmanna. Sieci typy Deep Belief Networks. Zastosowanie obliczeń GPU do uczenia głębokiego.
Systemy neuro-rozmyte. Zbiory rozmyte i logika rozmyta. Wnioskowanie rozmyte. Neuro-rozmyta sieć typu Mamdaniego i Takagi-Sugeno. Gradientowe algorytmy uczenia sieci neuro-rozmytych.
Wykład: wykład konwencjonalny
Laboratorium: ćwiczenia laboratoryjne z wykorzystaniem sprzętu komputerowego
Opis efektu | Symbole efektów | Metody weryfikacji | Forma zajęć |
Wykład - warunkiem zaliczenia jest uzyskanie pozytywnych ocen z testów 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%
Zmodyfikowane przez prof. dr hab. inż. Krzysztof Patan (ostatnia modyfikacja: 22-09-2016 09:19)