Semestr zimowy 2009/10
Semestr zimowy 2010/11
Metody sztucznej inteligencji LN03363
Treści programowe:
Historia powstania i rozwoju technik sztucznej inteligencji. Zastosowania sztucznej inteligencji w logistyce, główne zadania sztucznej inteligencji, pojęcie metod sztucznej inteligencji. Właściwości sztucznych sieci neuronowych, algorytmy uczenia, zalety i wady SSN. Operacje na zbiorach rozmytych. Przykłady operacji na zbiorach rozmytych. Cechy zbiorów rozmytych. Reguły rozmyte. Etapy w modelu rozmytym. Operacje na liczbach rozmytych. Budowa bazy wiedzy w systemach ekspertowych. Budowa i działanie bazy reguł systemu ekspertowego. Podstawowe pojęcia dotyczące algorytmów genetycznych. Klasyczny algorytm genetyczny. Algorytmy ewolucyjne. Zastosowanie algorytmów ewolucyjnych. Przykłady zastosowań metod sztucznej inteligencji w logistyce.
Efekty kształcenia:
umiejętność wykorzystywania sztucznych sieci neuronowych, zbiorowy rozmytych oraz systemów eksperckich w praktyce.
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Literatura
a) podstawowa:
1. Rutkowski L., Metody i techniki sztucznej inteligencji. PWN 2005;
2. Tadeusiewicz R., Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa, 1993 r.;
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. Korbicz J., Obuchowski A., Uciński D.: Sztuczne sieci neuronowe. Podstawy i zastosowania, Akademicka Oficyna Wydawnicza PLJ, Warszawa, 1994 r;
4. Knosala R., Zastosowanie metod sztucznej inteligencji w inżynierii produkcji, WNT, 2002.