Wstęp do sztucznych sieci neuronowych BD5020

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: 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, wprowadzanie danych, interpretacja wyników działania sieci, wybór najlepszego modelu.

Rodzaj przedmiotu

Obowiązkowy

Koordynatorzy przedmiotu

Maria Sulewska

Efekty kształcenia

B3_W01 doktorant ma zaawansowaną wiedzę o charakterze podstawowym dla dziedziny nauki i dyscypliny naukowej lub dyscyplin naukowych, związanych z obszarem prowadzonych badań
B3_U01 doktorant potrafi efektywnie pozyskiwać informacje związane z działalnością naukową z różnych źródeł, także w językach obcych oraz dokonywać właściwej selekcji i interpretacji tych informacji
B3_U02 doktorant potrafi, wykorzystując posiadaną wiedzę, dokonywać krytycznej oceny rezultatów badań i innych prac o charakterze twórczym - własnych i innych twórców - i ich wkładu w rozwój reprezentowanej dyscypliny; w szczególności, potrafi ocenić przydatność i możliwość wykorzystania wyników prac teoretycznych w praktyce
B3_K01 rozumie i odczuwa potrzebę ciągłego dokształcania się, podnoszenia kompetencji zawodowych i osobistych, analizowania najnowszych osiągnięć związanych z reprezentowaną dyscypliną naukową

Kryteria oceniania

Zaliczenie laboratorium: Projekt i obrona na min. 3,0
Egzamin z wykładu: Udział w dyskusji sprawdzającej poziom wiedzy na min. 3,0

Literatura

1. Tadeusiewicz R., Gonciarz 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 196.
3. Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R.: Sieci neuronowe. Tom 6: Biocybernetyka i inżynieria biomedyczna. Akad. Ofic. Wyd. Exit, Warszawa 2000.
4. Osowski S.: Sieci neuronowe do przetwarzania informacji Ofic. Wyd. Polit. Warsz., Warszawa 2006.
5. Stanisz A.: Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach z medycyny. Tomy: 1, 2, 3. StatSoft, Kraków 2006, 2007, 2007

W cyklu 2013Z: