Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Metody sztucznej inteligencji
Koordynator przedmiotu:
dr inż. Jacek Dybała, adiunkt
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia I stopnia
Program:
Mechatronika
Grupa przedmiotów:
Obowiązkowe
Kod przedmiotu:
brak
Semestr nominalny:
6 / rok ak. 2012/2013
Liczba punktów ECTS:
2
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
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
  • Projekt0h
  • Lekcje komputerowe0h
Wymagania wstępne:
elementy metod optymalizacji, techniki komputerowe, inżynieria oprogramowania
Limit liczby studentów:
Cel przedmiotu:
Celem przedmiotu jest zapoznanie studentów z wybranymi metodami sztucznej inteligencji i stworzenie podstaw do potencjalnych zastosowań tych metod w zadaniach inżynierskich.
Treści kształcenia:
Wstęp do sztucznej inteligencji, rys historyczny sztucznej inteligencji, wprowadzenie do algorytmów genetycznych, problemy optymalizacji a algorytmy genetyczne, kodowanie rozwiązań, funkcja przystosowania, selekcja osobników, operatory genetyczne, kryteria zatrzymania algorytmu, przykłady i zastosowania algorytmów genetycznych, wprowadzenie do systemów ekspertowych, rodzaje systemów ekspertowych, struktura systemu ekspertowego, reprezentacja i kodowanie wiedzy, mechanizm wnioskowania, metody pozyskiwania wiedzy, narzędzia realizacji systemów ekspertowych, przykłady i zastosowania systemów ekspertowych, wprowadzenie do sieci neuronowych, podstawy biologiczne działania sieci neuronowych, podstawowe pojęcia dotyczące sieci neuronowych (modele sztucznego neuronu, funkcja aktywacji, sieci jednokierunkowe i rekurencyjne, uczenie z nauczycielem i samouczenie), trenowanie sieci i przygotowanie danych treningowych, perceptrony wielowarstwowe, algorytm wstecznej propagacji błędu, sieci samoorganizujące się na zasadzie współzawodnictwa (konkurencyjne), sieci hybrydowe, sieć Support Vector Machine, sieci separujące sygnały, przykłady i zastosowania sieci neuronowych, hybrydowe systemy sztucznej inteligencji.
Metody oceny:
brak
Egzamin:
Literatura:
Michalewicz Z. (1996): Algorytmy genetyczne + struktury danych = programy ewolucyjne. Wydawnictwa NaukowoTechniczne, Warszawa. Mulawka J. J. (1996): Systemy ekspertowe. Wydawnictwa NaukowoTechniczne, Warszawa. Osowski S.(1996) Sieci neuronowe w ujęciu algorytmicznym. Wydawnictwa NaukowoTechniczne, Warszawa. Osowski S. (2000) Sieci neuronowe do przetwarzania informacji. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa. Osowski S., Cichocki A., Siwek K. (2006) Matlab w zastosowaniu do obliczeń obwodowych i przetwarzania sygnałów. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa. Rutkowski L. (2005): Metody i techniki sztucznej inteligencji. Wydawnictwo Naukowe PWN SA, Warszawa. Tadeusiewicz R. (1993) Sieci neuronowe. Akademicka Oficyna Wydawnicza RM, Warszawa.
Witryna www przedmiotu:
Uwagi:

Efekty uczenia się