Systemy Inteligentnego Przetwarzania
 
Kod kursu:
 

 INEU00301W, INEU00301P

 

 Autor przedmiotu: dr inż. Jacek Mazurkiewicz
  

 


 

Wymiar godzin
(tygodniowo)
WykładĆwiczeniaLaboratoriumProjektSeminarium
10010

 

 

 

Opis kursu:

 

Wprowadzenie w istotę inteligentnego przetwarzania informacji. Zapoznanie z elementami systemów ekspertowych, sieci neuronowych, algorytmów genetycznych oraz zbiorami rozmytymi. Sieci neuronowe. Zapoznanie z architekturą sieci neuronowych oraz metodami ich uczenia. Przykłady zastosowań sieci. Symulacja działania różnych typów sieci oraz obserwacja ich zachowania przy różnych parametrach pracy i pobudzeniach. Systemy ekspertowe. Zapoznanie się z przykładowym systemem ekspertowym - próba stworzenia bazy wiedzy oraz reguł wnioskowania. Algorytmy genetyczne. Przykłady.

 

 

Zawartość tematyczna wykładu:

  • Istota inteligentnego przetwarzania - porównanie z przetwarzaniem w klasycznym komputerze von Neumana
  • Zbiory rozmyte i wnioskowanie przybliżone.
  • Systemy ekspertowe - baza wiedzy i reguły wnioskowania. Organizacja systemu ekspertowego.
  • Sieci neuronowe - pojęcia podstawowe, neurony i sieci neuronowe, algorytmy uczenia. Przykłady zastosowań.
  • Algorytmy genetyczne - klasyczny i ewolucyjny. Przykłady zastosowań.

 

Opis projektu:

 

Zastosowanie sztucznych sieci neuronowych w zagadnieniach rozpoznawania i przetwarzania obrazów, sygnałów akustycznych oraz kompresji danych - dobór typu i topologii sieci do postawionego problemu, zdefiniowanie środowiska pracy sieci, przygotowanie wzorców uczących i testowych, symulacja działania i badania zachowania sieci przy zmieniających się parametrach pracy.
Wykorzystanie algorytmów genetycznych lub reguł wnioskowania systemu ekspertowego do określenia warunków początkowych pracy sieci neuronowych oraz pre- i postprocessingu danych w zagadnieniach rozpoznawania i przetwarzania sygnałów.
Próby konstrukcji bazy wiedzy i właściwych reguł wnioskowania dla prostych systemów ekspertowych.
Symulacja sieci neuronowych, algorytmów genetycznych oraz systemów ekspertowych odbywa się z użyciem pakietu MATLAB, w analizowanych problemach wykorzystywane są nastepujące modele sieci neuronowych : ADALINE, dyskretna sieć HOPFIELDA, mapa cech KOHONENA, PERCEPTRON wielowarstwowy.

 

 

Literatura podstawowa:

  • Hecht-Nielsen R.; Neurocomputing. Addison-Wesley Publishing Company, 1991
  • Hertz J., Krogh A., Palmer R. G.; Wstęp do obliczeń neuronowych. WNT, Warszawa 1993
  • Korbicz J., Obuchowski A., Uciński D.: Sztuczne sieci neuronowe. Podstawy i zastosowania, Akademicka Oficyna Wydawnicza PLJ, Warszawa 1994
  • Osowski S.: Sieci neuronowe, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 1994
  • Osowski S.: Sieci neuronowe w ujęciu algorytmicznym, WNT, Warszawa 1996
  • Mulawka J. J.; Systemy ekspertowe. WNT, Warszawa 1996
  • Rutkowska D., Piliński M., Rutkowski L.; Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. PWN, Warszawa - Łódź 1997
  • Tadeusiewicz R.; Sieci neuronowe. Akademicka Oficyna Wydawnicza RM, Warszawa 1993

 

Literatura uzupełniająca:

  • Caudill M., Butler Ch.; Understanding Neural Networks: Computer Explorations. vol. 1. Basic Networks. A Bradford Book, The MIT Press 1992
  • Caudill M., Butler Ch.; Understanding Neural Networks: Computer Explorations. vol. 2. Advanced Networks. A Bradford Book, The MIT Press 1992
  • Kung S. Y.: Digital Neural Networks, PTR Prentice-Hall, Englewood Cliffs, New Jersey 1993
  • Tadeusiewicz R.; Problemy biocybernetyki. PWN, Warszawa 1991
  • Waterman D. A.; A Guide to Expert Systems. Addison-Wesley Publishing Company 1983