User Tools

Site Tools


Sidebar


Menu



dydaktyka:zajecia:ai_io

Powrót

AI CI SE

Metody sztucznej inteligencji

Plan zajęć

  1. Wstęp + podstawy
  2. Metody przeszukiwania ślepego
  3. Metody przeszukiwania heurystyczne
  4. MSI jako metody indukcji wiedzy
  5. Wstępne przetwarzanie danych
  6. Metody grupowania danych
    • Metody oceny generalizacji
    • Algorytm kwantyzacji wektorów
    • Algorytm gazu neuronowego oraz sieci SOM
    • Grupowaniem hierarchicznym
  7. Metody uczenia z nauczycielem (klasyfikacja i regresja)
    • Klasyfikator liniowy (MSE / Perceptron Rosenblatta)
    • Klasyfikator k najbliższych sąsiadów
    • Sieć neuronowa typu LVQ
    • Sieci neuronowe typu RBF
    • Sieci neuronowe typu MLP
  8. Sieci neuronowe typu Hopfielda

Algorytmy inteligencji obliczeniowej

Plan zajęć

  1. Wstęp + podstawy
  2. Wstępne przetwarzanie danych
  3. Metody grupowania danych
    • Algorytm kwantyzacji wektorów
    • Algorytm gazu neuronowego oraz sieci SOM
    • Grupowaniem hierarchicznym
    • Praktyczne aspekty grupowania danych
  4. Metody uczenia z nauczycielem (klasyfikacja i regresja)
    • Klasyfikator liniowy (MSE / Perceptron Rosenblatta)
    • Klasyfikator k najbliższych sąsiadów
    • Sieć neuronowa LVQ, RBF, MLP
    • Drzewa decyzji
    • Łączenie klasyfikatorów (Bugging, Boosting, Voting itp.)
  5. Selekcja cech
    • Metody oceny jakości cech
    • Metody bazujące na przeszukiwaniu
    • Metody rankingowe
  6. Elementy praktyczne
    • Tworzenie zbiorów danych
    • Analiza testów (TextMining)
    • Analiza dziennika logów
    • Automatyczna analiza obrazów

Wykłady

/

Methods of Artificial Intelligence

Laboratorium

Zaliczenie

Podstawą zaliczenia jest obecność na wszystkich laboratoriach oraz pozytywne zaliczenie kolokwium. W przypadku nie zaliczenia kolokwium będą wyznaczone dodatkowe terminy zaliczenia (w sumie 2 dodatkowe terminy i nic więcej!!!)

Zadania Matlab - implementacja algorytmów

Zadania RapidMiner - wykorzystanie algorytmów

Nowe zadania RapidMiner

Stare wykłady

Systemy ekspertowe

System ekspertowy to program komputerowy wspomagające pracę człowieka w określonej dziedzinie. Wspomaganie pracy człowieka odbywa się na zasadzie podpowiedzi uzyskiwanych poprzez zbudowany zbiór reguł i faktów. Podstawą do budowy systemu ekspertowego jest wiedza zdobyta od prawdziwego eksperta w danej dziedzinie.

Plan zajęć

  1. Zajęcia organizacyjne
  2. Dedukcja i indukcja
  3. Systemy regułowe i ich budowa
  4. Instalacja oraz podstawy języka i programowania CLIPS
  5. CLIPS bardziej zaawansowane narzędzia językowe
  6. Automatyczna budowa systemów regułowych na podstawie danych doświadczalnych
    • Algorytm sekwencyjnego pokrywania
    • Algorytmy drzew decyzji
  7. Rozmyte systemy ekspertowe
    • Logika rozmyta podstawy
    • Operatory rozmyte
    • Systemy reguł rozmytych
  8. Automatyczna indukcja reguł rozmytych (ANFIS)

Wykłady

Laboratorium

Alternatywnie

  • Lab 3 FIS Pro - Budowa rozmytego systemu wnioskowania na bazie FIS Pro
Uwagi do Lab.3,4 (Matlab)

W zadaniu podział na cz. treningową i testową musi być dokonany przynajmniej 5 razy i dla każdego przypadku wyznaczyć dokładność, a następnie policzyć średnią, aby obliczona dokładność była wartością miarodajną. Wykres funkcji błędu uczenia (err) wystarczy zrobić tylko raz dla maksymalnej liczby iteracji (300) natomiast obliczona dokładność musi być wyznaczona osobno dla 10,30,50,100,200,300 iteracji. Dla każdego zbioru danych zarówno dla genfis1 i genfis3 proszę wykreślić zależność dokładności w funkcji liczby iteracji oraz dla genfis3 proszę wykreślić dokładność w funkcji liczby klasterów. Ze względu na problemy ze złożonością obliczeniową proszę się ograniczyć do dwóch dowolnych zbiorów danych np. iris oraz WBC lub pima.

Zaliczenie

Podstawą zaliczenia jest obecność na wszystkich laboratoriach oraz pozytywne zaliczenie dwóch kolokwiów. W przypadku nie zaliczenia któregoś z kolokwiów będą wyznaczone dodatkowe terminy zaliczenia (w sumie 2 dodatkowe terminy na każde kolokwium)

Literatura

  • Printable version
  • Tell by mail
  • Export to OpenOffice
  • Export to PDF
  • Export to csv
  • Export to Timeline
  • Add page to book
  • Tools:
dydaktyka/zajecia/ai_io.txt · Last modified: 2019/03/21 13:06 (external edit)