Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Sieci neuronowe w zastosowaniach biomedycznych
Koordynator przedmiotu:
Krzysztof ZAREMBA
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia I stopnia
Program:
Elektronika
Grupa przedmiotów:
Przedmioty techniczne
Kod przedmiotu:
SNB
Semestr nominalny:
6 / rok ak. 2012/2013
Liczba punktów ECTS:
4
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
120
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
Formy zajęć i ich wymiar w semestrze:
  • Wykład30h
  • Ćwiczenia0h
  • Laboratorium0h
  • Projekt15h
  • Lekcje komputerowe0h
Wymagania wstępne:
Zaliczenie przedmiotu : Algebra liniowa i analiza 1 (AL1)
Limit liczby studentów:
40
Cel przedmiotu:
Celem przedmiotu jest przedstawienie istniejących i perspektywicznych zastosowań sztucznych sieci neuronowych w zagadnieniach specyficznych dla Inżynierii Biomedycznej, takich jak np. systemy wspomagania diagnostyki, kompresja danych medycznych czy wspomaganie terapii, a także w badaniach neurofizjologicznych.
Treści kształcenia:
Historia badań nad sztucznymi sieciami neuronowymi. Biologiczne wzorce sieci neuronowych: neuron, połączenia synaptyczne, sieci nerwowe, system nerwowy. Modele podstawowych jednostek przetwarzających (sztucznych neuronów) i połączeń sieciowych. Klasyfikacja topologii i metod uczenia sieci. Liniowe sieci neuronowe (Adaline, Madaline). Proste sieci jednokierunkowe, wsteczna propagacja błędów, metoda gradientów sprzężonych. Probabilistyczne sieci neuronowe. Uczenie bez nadzoru. Sieci CP (Counterpropagatiom Networks). Pamięci asocjacyjne, sieci Hopfielda, sieci Boltzmanna. Sieci rezonansowe (ART1, ART2). Techniki realizacji sieci neuronowych. Przykłady zastosowań sieci neuronowych we wspomaganiu diagnostyki i terapii medycznej oraz w badaniach Neurofizjologicznych. Perspektywy rozwoju zastosowań sztucznych sieci neuronowych w medycynie.
Metody oceny:
Na ocenę końcową składa się: ocena z wykładu (waga 0,6) ocena z projektu (waga 0,4)
Egzamin:
tak
Literatura:
J. Hertz, K. Anders, R. G. Palmer, Wstęp do teorii obliczeń neuronowych, WNT, Warszawa, 1993. R. Tadeusiewicz, Sztuczne sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa, 1993. J. A. Freeman, D. M. Skapura, Neural Networks, Algorithms, Applications and Programming Techniques, Addison-Wesley Publishing Company, 1991. D. E. Rummelhart, J. L. McClelland, Parallel Distributed Processing : Explorations in the Microstructure of Cognition, vol.1, MIT Press, 1986.
Witryna www przedmiotu:
nie ma
Uwagi:
brak

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Efekt W1
Zna podstawowe pojęcia dotyczące konstrukcji, topologii i metod uczenia sztucznych sieci neuronowych.
Weryfikacja: egzamin
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt W2
Zna modele podstawowych jednostek przetwarzających (sztucznych neuronów) i połączeń sieciowych.
Weryfikacja: egzamin
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt W3
Zna podstawowe techniki realizacji sztucznych sieci neuronowych.
Weryfikacja: projekt, egzamin
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:

Profil ogólnoakademicki - umiejętności

Efekt U1
Potrafi dokonać symulacji komputerowej sieci neuronowych w zastosowaniach typowych dla zagadnień medycznych.
Weryfikacja: projekt
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt U2
Potrafi dobrać właściwą topologię i metodę uczenia sieci w zależności od jej zadania.
Weryfikacja: projekt
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt U3
Potrafi zaplanować i wykonać eksperymenty zmierzające do optymalizacji struktury i parametrów sieci neuronowych.
Weryfikacja: projekt
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:

Profil ogólnoakademicki - kompetencje społeczne

Efekt K1
Rozumie wagę i złożoność prób realizacji systemów naśladujących działanie mózgu ludzkiego.
Weryfikacja: egzamin
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt K2
Potrafi pracować w grupie, przyjmując w niej różne role
Weryfikacja: projekt
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe: