SNiiZ/LMP

From WikiZMSI

Spis treści

[edytuj]

Laboratorium nr 1: 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:

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 2: 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 neuronów
  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 3: Jednokierunkowe, wielowarstwowe sieci neuronowe - ciąg dalszy 

Materiały pomocnicze do zajęć.


Zakres zagadnień na zaliczenie

  1. Algorytm wstecznej propagacji błędu
  2. 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"


[edytuj]

Laboratorium nr 4: 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 5: 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 6: 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 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:
  1. przyjąć szerokość okna czasowego,
  2. przygotować dane do uczenia sieci neuronowej,
  3. dobrać strukturę sieci,
  4. określić jakość sieci.


Po laboratorium nie jest przewidziane zaliczenie pisemne.

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