Semestr letni 2009/10
Semestr letni 2010/11
Semestr zimowy 2010/11
Metody sztucznej inteligencji KSU01363
Treści programowe: Historia powstania i rozwoju sztucznej inteligencji, podejście symboliczne i subsymboliczne. Główne zadania sztucznej inteligencji, pojęcie metod sztucznej inteligencji. Model sztucznego neuronu, rodzaje funkcji aktywacji, rodzaje sztucznych sieci neuronowych, budowa sieci wielowarstwowej typu MLP. Właściwości sztucznych sieci neuronowych, algorytmy uczenia. Przykłady operacji na zbiorach rozmytych. Cechy zbiorów rozmytych. Reguły rozmyte. Etapy w modelu rozmytym. Budowa bazy wiedzy w systemach ekspertowych. Budowa i działanie bazy reguł systemu ekspertowego. Podstawowe pojęcia algorytmów genetycznych. Klasyczny algorytm genetyczny. Algorytmy ewolucyjne. Zastosowanie algorytmów ewolucyjnych. Przykłady zastosowań metod sztucznej inteligencji w zarządzaniu. Tendencje rozwojowe MSI.
Efekty kształcenia: umiejętność wykorzystywania sztucznych sieci neuronowych, zbiorowy rozmytych oraz systemów eksperckich w praktyce
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Literatura
a) podstawowa:
1. Lula P., Paliwoda-Pękosz G., Tadeusiewicz R., Metody sztucznej inteligencji i ich zastosowania w ekonomii i zarządzaniu, Wydaw. Akademii Ekonomicznej w Krakowie, Kraków 2007.
2. Rutkowski L., Metody i techniki sztucznej inteligencji. PWN 2005;
3. Witkowska D., Sztuczne sieci neuronowe i metody statystyczne. Wybrane zagadnienia finansowe, C. H. Beck, 2002.
4. Zieliński J. S, Inteligentne systemy w zarządzaniu. Teoria i praktyka, Wydawnictwo Naukowe PWN, Warszawa 2000.
b) uzupełniająca:
1. Goldberg D. E., Algorytmy genetyczne i ich zastosowanie, WNT, 2003.
2. Kasperski M.J., Sztuczna Inteligencja. Droga do myślących maszyn, Helion 2003;
3. Knosala R., Zastosowanie metod sztucznej inteligencji w inżynierii produkcji, WNT, 2002.