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
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.
Laboratorium nr 1: Identyfikacja funkcji przynależności
Skrypt do zajęć.
Zakres zagadnień na zaliczenie
- Podstawowe pojęcia zbiorów rozmytych
- Charakterystyczne parametry zbioru rozmytego
- Rodzaje funkcji przynależności
Literatura
A. Piegat: "Modelowanie i sterowanie rozmyte"
Laboratorium nr 2: Model rozmyty typu SISO
Materiały do zajęć.
Zakres zagadnień na zaliczenie
- Etapy działania systemu rozmytego: rozmywanie (fuzyfikacja), wnioskowanie (inferencja), ostrzenie (defuzyfikacja)
- Metody ostrzenia
Literatura
A. Piegat: "Modelowanie i sterowanie rozmyte"
D. Rutkowska, M. Piliński, L. Rutkowski: "Sieci neuronowe, algorytmy genetyczne i systemy rozmyte"
Laboratorium nr 3 i 4: Rozmyty sterownik kursu statku
Materiały do zajęć.
Zakres zagadnień na zaliczenie
- Wnioskowanie w systemie rozmytym
- 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"
Laboratorium nr 5: Sieci neuronowe typu Perceptron prosty
Materiały pomocnicze do zajęć.
Zakres zagadnień na zaliczenie:
- Model sztucznego neuronu
- Uczenie neuronów za pomocą reguły delta
- 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"
Laboratorium nr 6: Jednokierunkowe, wielowarstwowe sieci neuronowe
Materiały pomocnicze do zajęć.
Zakres zagadnień na zaliczenie
- Architektura sieci neuronowej MLP
- Przygotowanie danych uczących i testujących
- Algorytm uczenia sieci
- 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"
Laboratorium nr 7: Sieci neuronowe typu RBF
Materiały pomocnicze do zajęć.
Zakres zagadnień na zaliczenie
- Architektura sieci neuronowej typu RBF
- Algorytm uczenia sieci RBF
- 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"
Laboratorium nr 8: Sieci neuronowe uczone bez nauczyciela - uczenie konkurencyjne
Materiały pomocnicze do zajęć.
Zakres zagadnień na zaliczenie
- Architektura sieci neuronowej uczonej bez nadzoru
- Algorytm uczenia konkurencyjnego
- 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"
Laboratorium nr 9: Sieć Hopfielda
Instrukcja do zajęć.
Zakres zagadnień na zaliczenie
- Budowa sieci Hopfielda
- Autoasocjacja realizowana za pomocą sieci Hopfielda
- Uczenie sieci
Literatura
S. Osowski: "Sieci neuronowe w ujęciu algorytmicznym"
J. Korbicz, A. Obuchowicz, D. Uciński: "Sztuczne sieci neuronowe, podstawy i zastosowania"
Laboratorium nr 10: Zastosowanie algorytmów ewolucyjnych do poszukiwania optimum funkcji
Materiały do zajęć.
Zakres zagadnień na zaliczenie
- Algorytm genetyczny i ewolucyjny - działanie, schemat blokowy
- Metody selekcji
- Sposoby krzyżowania i mutacji stosowane w kodowaniu binarnym i rzeczywistym
- Sposoby rozwiązywania problemu ograniczeń nakładanych na optymalizowaną funkcję
Literatura
Z. Michalewicz: "Algorytmy genetyczne + struktury danych = programy ewolucyjne"
D. Goldberg: "Algorytmy genetyczne i ich zastosowania"
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"
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"