Semestr letni 2009/10
Semestr letni 2010/11
Semestr letni 2011/12
Semestr letni 2012/13
Podstawy sztucznej inteligencji MAR2SO1004
Treści programowe:
Inteligencja. Sztuczna Inteligencja (AI) – wprowadzenie. Słaba i silna AI. Test Turinga. Metody reprezentacji wiedzy w AI. Rodzaje baz wiedzy. Organizacja i działanie systemu ekspertowego. Metodologia projektowania systemu ekspertowego. Kryteria wyboru systemu ekspertowego. Pojęcie heurystyki. Przeszukiwanie heurystyczne i klasyczne. Wnioskowanie. Języki programowania logicznego - Prolog. Modele i uczenie sztucznych sieci neuronowych. Model klasyfikacji, cechy i obszary decyzyjne. Klasyfikator neuronowy. Metoda propagacji wstecznej błędu i jej modyfikacje. Dobór architektury sieci neuronowej. Optymalizacja architektury sieci neuronowych. Sieci ze sprzężeniem zwrotnym. Algorytmy genetyczne. Przykłady zastosowań.
Efekty kształcenia:
umiejętność doboru i zastosowania właściwej metody sztucznej inteligencji w wybranym problemie
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Literatura
a) podstawowa:
1.Cichosz P. Systemy uczące się. WNT. Warszawa 2000.
2.red. Duch W. i in.: Biocybernetyka i inżynieria biomedyczna 2000, Tom 6 – Sieci neuronowe. Akademicka Oficyna Wydawnicza Exit, Warszawa 2000.
3.Michalewicz Z.: Algorytmy genetyczne + struktury danych = programy ewolucyjne. WNT Warszawa 1999.
4. Rutkowski L. Metody i techniki sztucznej inteligencji. Warszawa : Wydaw. Naukowe PWN, 2009.
5. Clocksin W. F., Mellish C.S.: Prolog. Programowanie. Helion Gliwice, 2003.
b) uzupełniająca:
1.Mulawka J.: Systemy ekspertowe, WNT, Warszawa, 1996.
2.Żurada J., Barski M., Jędruch W.: Sztuczne sieci neuronowe. Wyd. Nauk. PWN, Warszawa 1996.