Semestr zimowy 2009/10
Semestr zimowy 2010/11
Wstęp do sztucznych sieci neuronowych BD3009
Program obejmuje następujące zagadnienia: biologiczne inspiracje SSN, neuron biologiczny, właściwości SSN, rys historyczny SSN, sztuczny neuron i jego działanie, funkcje aktywacji, skalowanie danych, działanie sieci neuronowej, regresyjne i klasyfikacyjne modele neuronowe, projektowanie sieci, architektura sieci: sieci jednokierunkowe, sieci rekurencyjne, sieci Kohonena, sieci o radialnych funkcjach bazowych; sieci warstwowe: projektowanie architektury sieci liczba parametrów sieci, liniowe sieci neuronowe, jednokierunkowe sieci wielowarstwowe, algorytm treningu nadzorowanego, algorytmy uczenia sieci, funkcja celu, algorytm wstecznej propagacji błędu,"przeuczenie " sieci, miary błędu sieci. Budowa i działanie symulatora Statistica Neural Network: automatyczny projektant sieci, interpretacja wyników działania sieci, wybór najlepszego modelu.
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
Poznanie metody analizy wyników badań za pomocą sztucznych sieci neuronowych.
Poznanie działania programu komputerowego Statistica SNeural Network.
Wykorzystanie SSN do analizy wyników badań ze swojej dziedziny naukowej.
Kryteria oceniania
Wykonanie projektu nt.:
Analiza wyników badań własnych lub zaczerpniętych z literatury specjalistycznej i interpretacja wyników analizy. Zastosowanie metod statystycznych i sztucznych sieci neuronowych, porównanie rezultatów.
Ustne zaliczenie projektu.
Literatura
1. Tadeusiewicz R., Gąciarz T., Borowik B., Leper B.: Odkrywanie właściwości sieci neuronowych przy użyciu programów w języku C#. Wyd. PAU, Kraków 2007.
2. Masters T.: Sieci neuronowe w praktyce.Programowanie w języku C++. WN-T, Warszawa 1996.
3. Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R.: Sieci neuronowe. T. 6 : Biocybernetyka i inżynieria biomedyczna. Akad. Ofic. Wyd. Exit, Warszawa 2000.
4. Osowski S.: Sieci neuronowe do przetwarzania informacji. Ofic. Wyd. Polit. Warszaw., 2006.
5. Bishop C.: Neural Networks for pattern recognition. University Press, Oxford 1995.
6. Haykin S.: Neural Networks. A comprehensive foundation. 2nd ed. Prentice Hall Inc., Upper Saddle River, 1999.