SNiiZ/LMP
From WikiZMSI
Laboratorium nr 1: 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:
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 2: Jednokierunkowe, wielowarstwowe sieci neuronowe
Materiały pomocnicze do zajęć.
Zakres zagadnień na zaliczenie
- Architektura sieci neuronowej MLP
- Przygotowanie danych uczących i testujących
- Algorytm uczenia neuronów
- 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 3: Jednokierunkowe, wielowarstwowe sieci neuronowe - ciąg dalszy
Materiały pomocnicze do zajęć.
Zakres zagadnień na zaliczenie
- Algorytm wstecznej propagacji błędu
- Metody poprawiania efektywności uczenia (składnik pędu)
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 4: 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 5: 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 6: 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 7: Prognozowanie przebiegów czasowych
Dane do zajęć.
- W każdej kolumnie pliku z danymi, zapisane są wartości akcji jednej z 10 różnych firm.
- Dla wybranej firmy, należy:
- przyjąć szerokość okna czasowego,
- przygotować dane do uczenia sieci neuronowej,
- dobrać strukturę sieci,
- określić jakość sieci.
Po laboratorium nie jest przewidziane zaliczenie pisemne.