Module also offered within study programmes:
General information:
Name:
Sieci neuronowe
Course of study:
2015/2016
Code:
RBM-2-308-II-s
Faculty of:
Mechanical Engineering and Robotics
Study level:
Second-cycle studies
Specialty:
Informatyka w inżynierii mechanicznej
Field of study:
Mechanical Engineering
Semester:
3
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Responsible teacher:
dr hab. inż, prof. AGH Wszołek Wiesław (wwszolek@agh.edu.pl)
Academic teachers:
dr hab. inż, prof. AGH Kłaczyński Maciej (mklaczyn@agh.edu.pl)
dr hab. inż, prof. AGH Wszołek Wiesław (wwszolek@agh.edu.pl)
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 Zna przydatność metod sztucznej inteligencji w poprawie zakresu i jakości usług technicznych. Report,
Execution of laboratory classes
Skills
M_U001 Posiada umiejętność w zakresie numerycznego opracowywania sztucznych sieci neuronowych do zastosowań w inżynierii mechanicznej idiagnostyce. BM2A_U18, BM2A_U19, BM2A_U11, BM2A_U20, BM2A_U14, BM2A_U21 Activity during classes,
Report,
Execution of laboratory classes
M_U002 Posiada umiejętność w zakresie oceny przydatności metod sztucznej inteligencji do badań i zastowań w inżynierii mechanicznej i diagnostyce. BM2A_U18, BM2A_U19, BM2A_U11, BM2A_U20, BM2A_U14, BM2A_U21 Activity during classes,
Report,
Execution of laboratory classes
Knowledge
M_W001 Ma ogólną wiedzę z zakresu sztucznej inteligencji wykorzystywanej w inżynierii mechanicznej. BM2A_W02, BM2A_W06 Activity during classes,
Test,
Report,
Execution of laboratory classes
M_W002 Wykarze się wiedzą na temat sztucznych sieci neuronowych: historii powstania, zasady działania, projektowania, testowania i wdrażania do zastosowań w inżynierii mechanicznej. BM2A_W02 Test,
Report,
Execution of laboratory classes
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 Zna przydatność metod sztucznej inteligencji w poprawie zakresu i jakości usług technicznych. + - + - - - - - - - -
Skills
M_U001 Posiada umiejętność w zakresie numerycznego opracowywania sztucznych sieci neuronowych do zastosowań w inżynierii mechanicznej idiagnostyce. - - + - - - - - - - -
M_U002 Posiada umiejętność w zakresie oceny przydatności metod sztucznej inteligencji do badań i zastowań w inżynierii mechanicznej i diagnostyce. - - + - - - - - - - -
Knowledge
M_W001 Ma ogólną wiedzę z zakresu sztucznej inteligencji wykorzystywanej w inżynierii mechanicznej. + - - - - - - - - - -
M_W002 Wykarze się wiedzą na temat sztucznych sieci neuronowych: historii powstania, zasady działania, projektowania, testowania i wdrażania do zastosowań w inżynierii mechanicznej. + - - - - - - - - - -
Module content
Lectures:
Program wykładów:

1. Podstawowe wiadomości ze sztucznej inteligencji
2. Neurony biologiczne, sztuczne modele neuronów, metody uczenia
3. Modele sztucznych sieci neuronowych
4. Sieci neuronowe jedno i wielowarstwowe
5. Reguły uczenia sieci neuronowych
6. Nadzorowane uczenie sieci neuronowych
7. Nienadzorowane uczenie sieci neuronowych
8. Sieci samoorganizujące się (Kohonena)
9. Sieci rezonansowe ART
10. Sieci rekurencyjne (Hopfielda)
11. Algorytmy genetyczne w sieciach neuronowych
12. Zasady przygotowania danych wejściowych do sieci neuronowych (zbiory uczące, testujące)
13. Problemy praktycznego wykorzystania sieci neuronowych (zdolności generalizacyjne sieci, dobór optymalnej architektury pod względem generalizacji).
14. Zastosowanie sieci neuronowych
15. Sieci neuronowe w diagnostyce

Laboratory classes:
Program ćwiczeń laboratoryjnych:

1. Wprowadzenie do sieci neuronowych. Matematyczny model neuronu.
2. Perceptron – budowa, algorytm uczenia.
3. Siec jednokierunkowa wielowarstwowa. Uczenie sieci (pod nadzorem, bez nadzoru).
4. Sieci rekurencyjne Hopfielda
5. Sieci samoorganizujące Kohenena
6. Praktyczne zastosowanie sieci: aproksymacja funkcji liniowych i nielinowych
7. Praktyczne zastosowanie sieci: rozpoznawanie obrazów.
8. Zaliczenie

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 60 h
Module ECTS credits 2 ECTS
Participation in lectures 30 h
Participation in laboratory classes 15 h
Preparation of a report, presentation, written work, etc. 8 h
Realization of independently performed tasks 5 h
Examination or Final test 2 h
Additional information
Method of calculating the final grade:

Ocena z ćwiczeń laboratoryjnych (50%), ocena z kolokwium z wykładów (50%).

Prerequisites and additional requirements:

Ogólna wiedza z matematyki i fizyki, automatyki, cyfrowego przetwarzania sygnałów, sensory i pomiary wielkości nieelektrycznych, podstawy metrologii, języki programowania (w tym MATLAB).

Recommended literature and teaching resources:

1. Tadeusiewicz R.: Sieci neuronowe. Akademicka Oficyna Wydawnicza RM, Warszawa 1993.
2. Korbicz J., Obuchowicz A., Uciński D; Sztuczne sieci neuronowe, Oficyna Wydawnicza PLJ, Warszawa 1994
3. Tadeusiewicz R.: Elementarne wprowadzenie do techniki sieci neuronowych z przykładowymi programami. Akademicka Oficyna Wydawnicza PLJ, Warszawa 1998.
4. Żurata J., Barski M., Jędruch W.; Sztuczne sieci neuronowe, WN PWN, Warszawa 1996
5. Osowski Stanisław: Sieci neuronowe do przetwarzania informacji, Oficyna wyd. Politechniki Warszawskiej, Warszawa 2006
6. Rutkowski L.: Metody i techniki sztucznej inteligencji, WN PWN, Warszawa 2006
7. pod red. Nałęcza M.; Sieci Neuronowe Tom 6, Biocybernetyka i Inżynieria Biomedyczna 2000, Akademicka Oficyna Wydawnicza Exit, Warszawa 2000
8. Rutkowska D., Piliński M., Rutkowski L.; Sieci neuronowe , algorytmy genetyczne i systemy rozmyte, Wydawnictwo Naukowe PWN, Warszawa-Łódź 1997

Scientific publications of module course instructors related to the topic of the module:

Additional scientific publications not specified

Additional information:

None