SylabUZ
| Nazwa przedmiotu | Obliczenia inteligentne |
| Kod przedmiotu | 06.0-WE-AEIT-OI |
| Wydział | Wydział Informatyki, Elektrotechniki i Automatyki |
| Kierunek | Automatyka i robotyka, Elektrotechnika, Informatyka |
| Profil | ogólnoakademicki |
| Rodzaj studiów | doktoranckie |
| Semestr rozpoczęcia | semestr zimowy 2018/2019 |
| Semestr | 3 |
| Liczba punktów ECTS do zdobycia | 2 |
| Typ przedmiotu | obieralny |
| 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 | 15 | 1 | - | - | Egzamin |
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
| Opis efektu | Symbole efektów | Metody weryfikacji | Forma zajęć |
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.
Zmodyfikowane przez prof. dr hab. inż. Marcin Witczak (ostatnia modyfikacja: 27-03-2018 12:08)
