Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Sieci neuronowe
Tok studiów:
2015/2016
Kod:
RBM-2-308-II-s
Wydział:
Inżynierii Mechanicznej i Robotyki
Poziom studiów:
Studia II stopnia
Specjalność:
Informatyka w inżynierii mechanicznej
Kierunek:
Mechanika i Budowa Maszyn
Semestr:
3
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Osoba odpowiedzialna:
dr hab. inż, prof. AGH Wszołek Wiesław (wwszolek@agh.edu.pl)
Osoby prowadzące:
dr hab. inż, prof. AGH Kłaczyński Maciej (mklaczyn@agh.edu.pl)
dr hab. inż, prof. AGH Wszołek Wiesław (wwszolek@agh.edu.pl)
Krótka charakterystyka modułu

Opis efektów kształcenia dla modułu zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń)
Wiedza
M_W001 Ma ogólną wiedzę z zakresu sztucznej inteligencji wykorzystywanej w inżynierii mechanicznej. BM2A_W02, BM2A_W06 Aktywność na zajęciach,
Kolokwium,
Sprawozdanie,
Wykonanie ćwiczeń laboratoryjnych
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 Kolokwium,
Sprawozdanie,
Wykonanie ćwiczeń laboratoryjnych
Umiejętności
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 Aktywność na zajęciach,
Sprawozdanie,
Wykonanie ćwiczeń laboratoryjnych
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 Aktywność na zajęciach,
Sprawozdanie,
Wykonanie ćwiczeń laboratoryjnych
Kompetencje społeczne
M_K001 Zna przydatność metod sztucznej inteligencji w poprawie zakresu i jakości usług technicznych. Sprawozdanie,
Wykonanie ćwiczeń laboratoryjnych
Matryca efektów kształcenia w odniesieniu do form zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Inne
E-learning
Wiedza
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. + - - - - - - - - - -
Umiejętności
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. - - + - - - - - - - -
Kompetencje społeczne
M_K001 Zna przydatność metod sztucznej inteligencji w poprawie zakresu i jakości usług technicznych. + - + - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:
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

Ćwiczenia laboratoryjne:
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

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 60 godz
Punkty ECTS za moduł 2 ECTS
Udział w wykładach 30 godz
Udział w ćwiczeniach laboratoryjnych 15 godz
Przygotowanie sprawozdania, pracy pisemnej, prezentacji, itp. 8 godz
Samodzielne studiowanie tematyki zajęć 5 godz
Egzamin lub kolokwium zaliczeniowe 2 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

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

Wymagania wstępne i dodatkowe:

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

Zalecana literatura i pomoce naukowe:

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

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Brak