MSI2/LMP

From WikiZMSI

Ocena końcowa z zajęć laboratoryjnych obliczana będzie wg wzoru: 


Ocena = (Pw + Ps - 0.5*IN)/2


gdzie: Pw - średnia ilość punktów z wejściówek, Ps - średnia ilość punktów ze sprawozdań, IN - ilość nieobecności. Za wejściówki i sprawozdania będzie można otrzymać od 0 do 5 punktów.


Sprawozdania nadesłane w terminie do dwóch tygodni po laboratorium, punktowane będą w pełnej skali. Za sprawozdania nadesłane w terminie od dwóch tygodni do trzech tygodni po laboratorium, można dostać max. 4 punkty. Za sprawozdania nadesłane w terminie od trzech tygodni do czterech tygodni po laboratorium, można dostać max. 3 punkty. Za sprawozdania nadesłane w terminie od czterech tygodni do pięciu tygodni po laboratorium, można dostać max. 2 punkty. Za sprawozdania nadesłane w terminie od pięciu tygodni do sześciu tygodni po laboratorium, można dostać max. 1 punkt. Po sześciu tygodniach od laboratorium, sprawozdania nie będą przyjmowane.


Sprawozdania proszę przesyłać w wersji elektronicznej w formacie pdf lub spakowanym formacie ps.

Pliki ze sprawozdaniami proszę nazywać wg schematu: nrLab_nrGrupy_nazwisko.pdf

Przykładowo: 3_15_Iksiński.pdf


Spis treści

[edytuj]

Laboratorium nr 0: Matlab - przypomnienie podstaw programowania

Zestawy zadań dla chcących potrenować. 

Zestaw zadań nr 1

Zestaw zadań nr 2

Zestaw zadań nr 3

Po laboratorium nie jest przewidziane zaliczenie pisemne.



[edytuj]

Laboratorium nr 1: Identyfikacja funkcji przynależności 

Skrypt do zajęć.


Zakres zagadnień na zaliczenie

  1. Podstawowe pojęcia zbiorów rozmytych
  2. Charakterystyczne parametry zbioru rozmytego
  3. Rodzaje funkcji przynależności


Literatura

A. Piegat: "Modelowanie i sterowanie rozmyte"


[edytuj]

Laboratorium nr 2: Model rozmyty typu SISO 

Materiały do zajęć.


Zakres zagadnień na zaliczenie

  1. Etapy działania systemu rozmytego: rozmywanie (fuzyfikacja), wnioskowanie (inferencja), ostrzenie (defuzyfikacja)
  2. Metody ostrzenia


Literatura

A. Piegat: "Modelowanie i sterowanie rozmyte"

D. Rutkowska, M. Piliński, L. Rutkowski: "Sieci neuronowe, algorytmy genetyczne i systemy rozmyte"


[edytuj]

Laboratorium nr 3 i 4: Rozmyty sterownik kursu statku 

Materiały do zajęć.


Zakres zagadnień na zaliczenie

  1. Wnioskowanie w systemie rozmytym
  2. Metody określania sumy i iloczynu zbiorów rozmytych (s-normy i t-normy)

Literatura

A. Piegat: "Modelowanie i sterowanie rozmyte"

D. Rutkowska, M. Piliński, L. Rutkowski: "Sieci neuronowe, algorytmy genetyczne i systemy rozmyte"


[edytuj]

Laboratorium nr 5: Sieci neuronowe typu Perceptron prosty 

Materiały pomocnicze do zajęć.


Zakres zagadnień na zaliczenie:

  1. Model sztucznego neuronu
  2. Uczenie neuronów za pomocą reguły delta
  3. Wykorzystanie sieci typu Perceptron prosty w klasyfikacji danych


Literatura:

Prezentacja do wykładów z sieci neuronowych.

L. Rutkowski: "Metody i techniki sztucznej inteligencji"

S. Osowski: "Sieci neuronowe w ujęciu algorytmicznym"

J. Korbicz, A. Obuchowicz, D. Uciński: "Sztuczne sieci neuronowe, podstawy i zastosowania"


[edytuj]

Laboratorium nr 6: Jednokierunkowe, wielowarstwowe sieci neuronowe 

Materiały pomocnicze do zajęć.


Zakres zagadnień na zaliczenie

  1. Architektura sieci neuronowej MLP
  2. Przygotowanie danych uczących i testujących
  3. Algorytm uczenia sieci
  4. Pojęcie przeuczenia i niedouczenia sieci


Literatura

L. Rutkowski: "Metody i techniki sztucznej inteligencji"

S. Osowski: "Sieci neuronowe w ujęciu algorytmicznym"

J. Korbicz, A. Obuchowicz, D. Uciński: "Sztuczne sieci neuronowe, podstawy i zastosowania"


[edytuj]

Laboratorium nr 7: Sieci neuronowe typu RBF 

Materiały pomocnicze do zajęć.


Zakres zagadnień na zaliczenie

  1. Architektura sieci neuronowej typu RBF
  2. Algorytm uczenia sieci RBF
  3. Działanie sieci RBF


Literatura

L. Rutkowski: "Metody i techniki sztucznej inteligencji"

S. Osowski: "Sieci neuronowe w ujęciu algorytmicznym"

J. Korbicz, A. Obuchowicz, D. Uciński: "Sztuczne sieci neuronowe, podstawy i zastosowania"


[edytuj]

Laboratorium nr 8: Sieci neuronowe uczone bez nauczyciela - uczenie konkurencyjne 

Materiały pomocnicze do zajęć.


Zakres zagadnień na zaliczenie

  1. Architektura sieci neuronowej uczonej bez nadzoru
  2. Algorytm uczenia konkurencyjnego
  3. Kategorie zadań, w których można wykorzystać sieci uczone bez nadzoru


Literatura

L. Rutkowski: "Metody i techniki sztucznej inteligencji"

S. Osowski: "Sieci neuronowe w ujęciu algorytmicznym"

J. Korbicz, A. Obuchowicz, D. Uciński: "Sztuczne sieci neuronowe, podstawy i zastosowania"


[edytuj]

Laboratorium nr 9: Sieć Hopfielda 

Instrukcja do zajęć.


Zakres zagadnień na zaliczenie

  1. Budowa sieci Hopfielda
  2. Autoasocjacja realizowana za pomocą sieci Hopfielda
  3. Uczenie sieci


Literatura

S. Osowski: "Sieci neuronowe w ujęciu algorytmicznym"

J. Korbicz, A. Obuchowicz, D. Uciński: "Sztuczne sieci neuronowe, podstawy i zastosowania"


[edytuj]

Laboratorium nr 10: Zastosowanie algorytmów ewolucyjnych do poszukiwania optimum funkcji 

Materiały do zajęć.


Zakres zagadnień na zaliczenie

  1. Algorytm genetyczny i ewolucyjny - działanie, schemat blokowy
  2. Metody selekcji
  3. Sposoby krzyżowania i mutacji stosowane w kodowaniu binarnym i rzeczywistym
  4. Sposoby rozwiązywania problemu ograniczeń nakładanych na optymalizowaną funkcję


Literatura

Z. Michalewicz: "Algorytmy genetyczne + struktury danych = programy ewolucyjne"

D. Goldberg: "Algorytmy genetyczne i ich zastosowania"


[edytuj]

Laboratorium nr 11: Zastosowanie algorytmów ewolucyjnych do poszukiwania rozwiązania problemu komiwojażera 

Materiały do zajęć.


Zadanie konkursowe 

Plik w formacie TSPLib, w którym znajdują się współrzędne miast.

Osoba, która odnajdzie najkrótszą drogę otrzyma dodatkowe 5 punktów za sprawozdanie, osoba która zajmie II miejsce otrzyma dodatkowe 4 punkty, za III miejsce przewidziane są 3 dodatkowe punkty. Jako rozwiązanie proszę przesłać plik tekstowy z indeksami miast w odpowiedniej kolejności oraz informację o długości odnalezionej trasy.


Po laboratorium nie jest przewidziane zaliczenie pisemne.


Literatura

Z. Michalewicz: "Algorytmy genetyczne + struktury danych = programy ewolucyjne"

D. Goldberg: "Algorytmy genetyczne i ich zastosowania"


[edytuj]

Laboratorium nr 12: Zastosowanie algorytmu ewolucyjnego do poszukiwania optymalnej funkcji aproksymującej 

Materiały do zajęć.


Po laboratorium nie jest przewidziane zaliczenie pisemne.


Literatura

Z. Michalewicz: "Algorytmy genetyczne + struktury danych = programy ewolucyjne"

D. Goldberg: "Algorytmy genetyczne i ich zastosowania"

Źródło: "http://wikizmsi.zut.edu.pl/wiki/MSI2/LMP"