Sieci neuronowe - kurs rozszerzony
Informacje ogólne
Kod przedmiotu: | F-K.40 |
Kod Erasmus / ISCED: | (brak danych) / (brak danych) |
Nazwa przedmiotu: | Sieci neuronowe - kurs rozszerzony |
Jednostka: | Wydział Filozofii i Socjologii |
Grupy: |
Przedmioty kierunkowe kognitywistyka VI sem. (stare) |
Strona przedmiotu: | http://matrix.umcs.lublin.pl/~polszews |
Punkty ECTS i inne: |
(brak)
|
Język prowadzenia: | (brak danych) |
Godzinowe ekwiwalenty punktów ECTS: | Godziny kontaktowe (z udziałem nauczyciela akademickiego) Wykład: 15 Laboratorium: 20 Łączna liczba godzin z udziałem nauczyciela akademickiego: 35 Godziny nie kontaktowe (praca własna studenta) zapoznanie się z odpowiednią literaturą odnoszącą się do kolejnego wykładu: 7 przygotowanie do egzaminu: 5 realizacja zleconych zadań projektowych: 38 Przygotowanie się do laboratorium: 5 Łączna liczba godzin nie kontaktowych: 55 SUMA GODZIN Moduł podstawowy: 90 Sumaryczna liczba punktów ECTS dla modułu: 3 |
Sposób weryfikacji efektów kształcenia: | SN_W_01_r, SN_W_02_r, SN_W_03_r, SN_W_04_r - Wykład: egzamin ustny składający się z 4 pytań ocenianych każde w skali 2-5. Wynik końcowy: średnia ocen pytań. SN_U_01_r, SN_U_02_r, SN_U_03_r, SN_U_04_r - Laboratorium: 20% za indywidualną aktywność studenta na zajęciach; 20% za zaliczenie każdego z zadań projektowych (4 zadania). |
Pełny opis: |
Moduł ma na celu wzbogacenie wiedzy studentów o poszerzone treści kształcenia w stosunku do modułu podstawowego, dotyczące sztucznej inteligencji obliczeniowej oraz wybranych jej technik obliczeniowych. |
Literatura: |
1) J. Żurada, M. Barski, W. Jędrych, Sztuczne sieci neuronowe (Wydawnictwo Naukowe PWN, Warszawa). 2) R. Tadeusiewicz, Sieci neuronowe (Akademicka Oficyna Wydawnicza, Warszawa). 3) SNNS Stuttgart Neural Network Simulator User Manual, Version 4.2. 4) R. Tadeusiewicz . T. Gąciarz, B. Borowik, B. Leper, Odkrywanie właściwości sieci neuronowych przy użyciu programów w języku C# (Polska Akademia Umiejętności, Kraków). |
Efekty uczenia się: |
WIEDZA SN_W_01_r Ma wiedzę dotyczącą modyfikacji i uogólnień podstawowego modelu sztucznych neuronów; K_K01, K_05, K_K06, K_W11, K_W12, K_W17, K_W21, K_W22 SN_W_02_r Ma wiedzę o wybranych specjalnych typach sztucznych sieci neuronowych (sieci Hopfielda, sieci Hebba); K_K01, K_05, K_K06, K_W11, K_W12, K_W17, K_W21, K_W22 SN_W_03_r Ma wiedzę dotyczącą podstawowych algorytmów uczenia nienadzorowanego (algorytm „jeden bierze wszystko”) oraz ich uogólnień; K_K01, K_05, K_K06, K_W11, K_W12, K_W17, K_W21, K_W22 SN_W_04_r Ma wiedzę dotyczącą optymalizacji struktury sztucznych sieci neuronowych (metody redukujące i nadmiarowe); K_K01, K_05, K_K06, K_W11, K_W12, K_W17, K_W21, K_W22 UMIEJĘTNOŚCI SN_U_01_r Potrafi konstruować sieci Jordana, przeprowadzać proces uczenia oraz wykorzystywać je do przewidywania kolejności wzorców wejściowych; K_K01, K_K05, K_K06, K_U01, K_U02, K_U09, K_U10, K_U14, K_U16, K_U19 SN_U_02_r Potrafi konstruować sieci Perceptronowe, przeprowadzać proces uczenia, dokonywać trójwymiarowej prezentacji ich architektury oraz wykorzystywać je do identyfikacji wzorców; K_K01, K_K05, K_K06, K_U01, K_U02, K_U09, K_U10, K_U14, K_U16, K_U19 SN_U_03_r Potrafi konstruować sieci Counter-Propagation, przeprowadzać proces uczenia oraz dokonać analizy rezultatów przeprowadzonego procesu; K_K01, K_K05, K_K06, K_U01, K_U02, K_U09, K_U10, K_U14, K_U16, K_U19 SN_U_04_r Potrafi dokonywać modyfikacji architektury sztucznej sieci neuronowej z wykorzystaniem wbudowanych w symulator narzędzi wspierających ten proces; K_K01, K_K05, K_K06, K_U01, K_U02, K_U09, K_U10, K_U14, K_U16, K_U19 |
Właścicielem praw autorskich jest Uniwersytet Marii Curie-Skłodowskiej w Lublinie.