Wstęp do kognitywistyki. Wykład 3: Logiczny neuron. Rachunek sieci neuronowych
|
|
- Maksymilian Żurawski
- 8 lat temu
- Przeglądów:
Transkrypt
1 Wstęp do kognitywistyki Wykład 3: Logiczny neuron. Rachunek sieci neuronowych
2 Epistemologia eksperymentalna W. McCulloch: Wszystko, czego dowiadujemy się o organizmach wiedzie nas do wniosku, iż nie są one jedynie analogiczne do maszyn, ale że są one maszynami Eksperymentalna epistemologia: zrozumienie fizjologicznego podłoża wiedzy Jak skończony mózg ludzki jest w stanie rozumieć abstrakcyjne definicje (liczby), radzić sobie z logiką formalną, obliczać? Jak rozpoznajemy przynależność obiektów do tej samej klasy? (wizualnie, drogą symbolicznych obliczeń)
3 Badania, rozwój Badania, rozwój 1940: dowód, że sieci neuronowe są w stanie obliczyć dowolną liczbę (dowód log.) do którego zdolny jest człowiek 1947: neurofizjologiczna teoria wyjaśniająca: możliwość wiedzy o uniwersaliach niezawodne rozpoznawanie wzorców przez mózg 1950: Co oko żaby mówi żabiemu mózgowi? 1964: psychon najprostszy akt psychiczny: o charakterystyce czasowej i z historią wewnętrznie zdolny do wiązania wiedzy i działań aspekt semiotyczny psychon odpowiada sądowi odpowiednik mózgowy impulsy o charakterze wszystko-albonic
4 Sieci neuronowe łańcuchy psychonów to zdania złożone odwzorowywalne na terminy logiczne lata próba wyrażenia sieci neuronowych w notacji podobnej do logiki zdań; problem: sieci kołowe (ze sprzężeniem zwrotnym) W. Pitts: w teorii należy reprezentować opóźnienie [delay] dostarczył niezbędnej wiedzy matematycznej McCulloch, Pitts 1943: A Logical Calculus of the Ideas Immanent in Nervous Activity zintegrowane 3 idee: rachunek zdań, maszyny Turinga, synapsy neuronalne manifest psychologii obliczeniowej oraz AI
5 Rachunek sieci neuronowych sieć jednostek wymodelowanych zgodnie z ówczesną wiedzą ad neuronów neuron MC-P to urządzenie typu w-a-n, odpalające gdy został osiągnięty próg próg definiuje się w kat. liczby impulsów dobiegających z innych neuronów TPE [temporal propositional expressions] zdarzenia w czasie nie tylko notacja, ale również rachunek neuron MC-P to nie matematyczna abstrakcja, ale uproszczona reprezentacja rzeczy realnej
6 (a) precession (identyczność) N 2 (t) N 1 (t 1) (b) dysjunkcja N 3 (t) N 1 (t 1) N 2 (t 1) (c) koniunkcja N 3 (t) N 1 (t 1) N 2 (t 1) (d) binegacja N 3 (t) N 1 (t 1) N 2 (t 1) próg: wejście z dwóch węzłów
7 Rachunek sieci neuronowych pozwolił m.in. dowieść: zachowanie dowolnej nie-cyklicznej sieci można wyrazić w rachunku zdań każda funkc. log. rachunku zdań jest realizowana przez pewną sieć wszystkie sieci są rekursywnie definiowalne przez 4 podstawowe typy (patrz obrazek powyżej) każda sieć oblicza funkcję obliczalną przez pewną maszynę Turinga dowolna uniwersalna MT może obliczyć wszystko, co jest obliczalne przez sieci MC-P
8 Rachunek sieci neuronowych Niedoskonałość rachunku traktowanego jako logika matematyczna znaczenie miała próba wykorzystania logiki do stawiania psychologicznych i neurologicznych pytań Dla każdej klasy funkcji musimy wyliczać, jaka sieć będzie ją będzie mogła ją obliczyć Nie wiadomo jaka sieć generuje zjawisko nie wiemy co to za zjawisko Badania miały objąć całość psychologii, nie tylko poznanie (m.in. uczenie się, zachowanie nakierowane na cel, urojenia i halucynacje) Rachunek neuronowy to nie jedynie gra matematyczna, ale teoria (uproszczonych) ale fizycznych neuronów
9 Logiczny neuron McC-P: resume (1943) Ogólna teoria przetwarzania informacji oparta na sieci binarnych przełączników lub elementów decyzyjnych Nazywane neuronami były znacznie prostsze niż ich biologiczne odpowiedniki McCulloch i Pitts pokazali, iż takie sieci mogą, w zasadzie, przeprowadzić dowolne obliczanie, podobnie jak komputer cyfrowy czy jego matematyczna abstrakcja: maszyna Turinga
10 Abstrakcyjny manifest McC-P [od rachunku do komputera] nie było mowy o modelowaniu komputerowym von Neumann: wykorzystanie elementów Boole'owskich; definicje podstawowych mechanizmów obliczeniowych komputery to systemy ogólnego zastosowania manipulujące symbolami obiecujące podejście w perspektywie wyjaśniania i symulowania myśli von Neumann: EDVAC, Turing ACE
11 ENIAC: Electronic Numerical Integrator And Computer
12 Abstrakcyjny manifest McC-P [funkcja, nie implementacja] materialistyczny w wymowie, ignorował fizyczne szczegóły unikali zobowiązań w odniesieniu do neurobiologicznych kontrowersji (proces inhibicji w mózgu) funkcjonalne efekty obserwowalnego eksperymentalnie uczenia się można reprezentować bez znajomości mechanizmów elektrochemicznych psychony dopuszczały wieloraką realizowalność skupianie się na procesach mentalnych niezależnie od mózgu
13 EDVAC: Electronic Discrete Variable Automatic Computer
Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD X: Sztuczny neuron
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD X: Sztuczny neuron Koneksjonizm: wprowadzenie 1943: Warren McCulloch, Walter Pitts: ogólna teoria przetwarzania informacji oparta na sieciach binarnych
CZYM SĄ OBLICZENIA NAT A URALNE?
CZYM SĄ OBLICZENIA NATURALNE? Co to znaczy obliczać (to compute)? Co to znaczy obliczać (to compute)? wykonywać operacje na liczbach? (komputer = maszyna licząca) wyznaczać wartości pewnych funkcji? (program
Inteligencja. Władysław Kopaliśki, Słownik wyrazów obcych i zwrotów obcojęzycznych
Wstęp Inteligencja Władysław Kopaliśki, Słownik wyrazów obcych i zwrotów obcojęzycznych inteligencja psych. zdolność rozumienia, kojarzenia; pojętność, bystrość; zdolność znajdowania właściwych, celowych
Festiwal Myśli Abstrakcyjnej, Warszawa, Czy SZTUCZNA INTELIGENCJA potrzebuje FILOZOFII?
Festiwal Myśli Abstrakcyjnej, Warszawa, 22.10.2017 Czy SZTUCZNA INTELIGENCJA potrzebuje FILOZOFII? Dwa kluczowe terminy Co nazywamy sztuczną inteligencją? zaawansowane systemy informatyczne (np. uczące
O badaniach nad SZTUCZNĄ INTELIGENCJĄ
O badaniach nad SZTUCZNĄ INTELIGENCJĄ SZTUCZNA INTELIGENCJA dwa podstawowe znaczenia Co nazywamy sztuczną inteligencją? zaawansowane systemy informatyczne (np. uczące się), pewną dyscyplinę badawczą (dział
Informacja w perspektywie obliczeniowej. Informacje, liczby i obliczenia
Informacja w perspektywie obliczeniowej Informacje, liczby i obliczenia Cztery punkty odniesienia (dla pojęcia informacji) ŚWIAT ontologia fizyka UMYSŁ psychologia epistemologia JĘZYK lingwistyka nauki
O badaniach nad SZTUCZNĄ INTELIGENCJĄ
O badaniach nad SZTUCZNĄ INTELIGENCJĄ Wykład 7. O badaniach nad sztuczną inteligencją Co nazywamy SZTUCZNĄ INTELIGENCJĄ? szczególny rodzaj programów komputerowych, a niekiedy maszyn. SI szczególną własność
O badaniach nad SZTUCZNĄ INTELIGENCJĄ
O badaniach nad SZTUCZNĄ INTELIGENCJĄ Jak określa się inteligencję naturalną? Jak określa się inteligencję naturalną? Inteligencja wg psychologów to: Przyrodzona, choć rozwijana w toku dojrzewania i uczenia
Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD XII: Modele i architektury poznawcze
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD XII: Modele i architektury poznawcze Architektury poznawcze Architektura poznawcza jako teoria poznania ludzkiego Anderson (1993): Architektura
Wprowadzenie do teorii systemów ekspertowych
Myślące komputery przyszłość czy utopia? Wprowadzenie do teorii systemów ekspertowych Roman Simiński siminski@us.edu.pl Wizja inteligentnych maszyn jest od wielu lat obecna w literaturze oraz filmach z
O ALGORYTMACH I MASZYNACH TURINGA
O ALGORYTMACH I MASZYNACH TURINGA ALGORYTM (objaśnienie ogólne) Algorytm Pojęcie o rodowodzie matematycznym, oznaczające współcześnie precyzyjny schemat mechanicznej lub maszynowej realizacji zadań określonego
Elementy kognitywistyki II: Sztuczna inteligencja
Elementy kognitywistyki II: Sztuczna inteligencja Piotr Konderak Zakład Logiki i Filozofii Nauki p.203b, Collegium Humanicum konsultacje: wtorki, 16:00-17:00 kondorp@bacon.umcs.lublin.pl http://konderak.eu
Wstęp do kognitywistyki. Wykład 4: Cybernetyczny nurt w kognitywistyce
Wstęp do kognitywistyki Wykład 4: Cybernetyczny nurt w kognitywistyce Cybernetyka [od silników parowych do społeczeństw] Cybernetyka to badania nad kołowymi systemami kauzalnymi: samoregulujące, informacja
Alan M. TURING. Matematyk u progu współczesnej informatyki
Alan M. TURING n=0 1 n! Matematyk u progu współczesnej informatyki Wykład 5. Alan Turing u progu współczesnej informatyki O co pytał Alan TURING? Czym jest algorytm? Czy wszystkie problemy da się rozwiązać
Inteligentne systemy informacyjne
Inteligentne systemy informacyjne Moduł 10 Mieczysław Muraszkiewicz www.icie.com.pl/lect_pw.htm M. Muraszkiewicz strona 1 Sieci neuronowe szkic Moduł 10 M. Muraszkiewicz strona 2 Dwa nurty M. Muraszkiewicz
Wstęp do kognitywistyki
Wstęp do kognitywistyki Wykład I: Kognitywistyka z lotu ptaka Piotr Konderak konsultacje: poniedziałki, 11:10-12:40, p. 205 Strona przedmiotu: http://konderak.eu/wkg10.html W historii intelektualnej wszystko
M T E O T D O ZI Z E E A LG L O G R O Y R TM
O ALGORYTMACH I METODZIE ALGORYTMICZNEJ Czym jest algorytm? Czym jest algorytm? przepis schemat zestaw reguł [ ] program ALGORYTM (objaśnienie ogólne) Algorytm Pojęcie o rodowodzie matematycznym, oznaczające
Umysł Komputer Świat TEX output: :17 strona: 1
Umysł Komputer Świat INFORMATYKA I FILOZOFIA Witold Marciszewski Paweł Stacewicz Umysł Komputer Świat O zagadce umysłu z informatycznego punktu widzenia E Warszawa Akademicka Oficyna Wydawnicza EXIT 2011
Wstęp do kognitywistyki. Wykład 12: Wprowadzenie do SI. Obliczeniowa teoria umysłu
Wstęp do kognitywistyki Wykład 12: Wprowadzenie do SI. Obliczeniowa teoria umysłu Sztuczna inteligencja...to próba zrozumienia i wyjaśnienia jednostek inteligentnych. Specyfika SI polega na metodzie: wyjaśnianie
O tzw. metaforze komputerowej
Marcin Miłkowski, IFiS PAN O tzw. metaforze komputerowej 18/11/08 Plan prezentacji Czy komputacjonizm to ujęcie metaforyczne? Kryteria adekwatności wyjaśnień obliczeniowych: Epistemiczne Mechanistyczne
Sztuczna Inteligencja i Systemy Doradcze
Sztuczna Inteligencja i Systemy Doradcze Wprowadzenie Wprowadzenie 1 Program przedmiotu Poszukiwanie rozwiązań w przestrzeni stanów Strategie w grach Systemy decyzyjne i uczenie maszynowe Wnioskowanie
Inteligentne systemy decyzyjne: Uczenie maszynowe sztuczne sieci neuronowe
Inteligentne systemy decyzyjne: Uczenie maszynowe sztuczne sieci neuronowe wykład 1. Właściwości sieci neuronowych Model matematyczny sztucznego neuronu Rodzaje sieci neuronowych Przegląd d głównych g
Cyfrowość i analogowość. Wstępny zarys tematyki metodologicznofilozoficznej
Cyfrowość i analogowość Wst pny zarys tematyki Wstępny zarys tematyki metodologicznofilozoficznej Motywacja 1. Nawet w dziedzinie problemów jasno określonych, kodowanych adekwatnie do możliwości maszyn
Sztuczna inteligencja
Sztuczna inteligencja Przykładowe zastosowania Piotr Fulmański Wydział Matematyki i Informatyki, Uniwersytet Łódzki, Polska 12 czerwca 2008 Plan 1 Czym jest (naturalna) inteligencja? 2 Czym jest (sztuczna)
Elementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład I: Pomieszanie z modelem w środku Czym jest kognitywistyka? Dziedzina zainteresowana zrozumieniem procesów, dzięki którym mózg (zwł.
JAKIEGO RODZAJU NAUKĄ JEST
JAKIEGO RODZAJU NAUKĄ JEST INFORMATYKA? Computer Science czy Informatyka? Computer Science czy Informatyka? RACZEJ COMPUTER SCIENCE bo: dziedzina ta zaistniała na dobre wraz z wynalezieniem komputerów
Sztuczna inteligencja i logika. Podsumowanie przedsięwzięcia naukowego Kisielewicz Andrzej WNT 20011
Sztuczna inteligencja i logika. Podsumowanie przedsięwzięcia naukowego Kisielewicz Andrzej WNT 20011 Przedmowa. CZĘŚĆ I: WPROWADZENIE 1. Komputer 1.1. Kółko i krzyżyk 1.2. Kodowanie 1.3. Odrobina fantazji
O ISTOTNYCH OGRANICZENIACH METODY
O ISTOTNYCH OGRANICZENIACH METODY ALGORYTMICZNEJ Dwa pojęcia algorytmu (w informatyce) W sensie wąskim Algorytmem nazywa się każdy ogólny schemat procedury możliwej do wykonania przez uniwersalną maszynę
O LICZBACH NIEOBLICZALNYCH I ICH ZWIĄZKACH Z INFORMATYKĄ
O LICZBACH NIEOBLICZALNYCH I ICH ZWIĄZKACH Z INFORMATYKĄ Jakie obiekty matematyczne nazywa się nieobliczalnymi? Jakie obiekty matematyczne nazywa się nieobliczalnymi? Najczęściej: a) liczby b) funkcje
MODELOWANIE RZECZYWISTOŚCI
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN Szkoła Wyższa Psychologii Społecznej d.wojcik@nencki.gov.pl dwojcik@swps.edu.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/
Elementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład III: Psychologiczne modele umysłu Gwoli przypomnienia: Kroki w modelowaniu kognitywnym: teoretyczne ramy pojęciowe (modele pojęciowe)
Sztuczna inteligencja - wprowadzenie
Sztuczna inteligencja - wprowadzenie Dariusz Banasiak Katedra Informatyki Technicznej W4/K9 Politechnika Wrocławska Sztuczna inteligencja komputerów - wprowadzenie Kontakt: dr inż. Dariusz Banasiak, pok.
prawda symbol WIEDZA DANE komunikat fałsz liczba INFORMACJA (nie tyko w informatyce) kod znak wiadomość ENTROPIA forma przekaz
WIEDZA prawda komunikat symbol DANE fałsz kod INFORMACJA (nie tyko w informatyce) liczba znak forma ENTROPIA przekaz wiadomość Czy żyjemy w erze informacji? TAK Bo używamy nowego rodzaju maszyn maszyn
Wstęp do teorii sztucznej inteligencji Wykład II. Uczenie sztucznych neuronów.
Wstęp do teorii sztucznej inteligencji Wykład II Uczenie sztucznych neuronów. 1 - powtórzyć o klasyfikacji: Sieci liniowe I nieliniowe Sieci rekurencyjne Uczenie z nauczycielem lub bez Jednowarstwowe I
CZY INFORMATYKOM MUSI WYSTARCZYĆ NIESKOŃCZONOŚĆ POTENCJALNA?
Filozofia w matematyce i informatyce, Poznań, 9-10 grudnia 2016 CZY INFORMATYKOM MUSI WYSTARCZYĆ NIESKOŃCZONOŚĆ POTENCJALNA? Paweł Stacewicz Politechnika Warszawska Nieskończoność a granice informatyki
Stefan Sokołowski SZTUCZNAINTELIGENCJA. Inst. Informatyki UG, Gdańsk, 2009/2010
Stefan Sokołowski SZTUCZNAINTELIGENCJA Inst. Informatyki UG, Gdańsk, 2009/2010 Wykład1,17II2010,str.1 SZTUCZNA INTELIGENCJA reguły gry Zasadnicze informacje: http://inf.ug.edu.pl/ stefan/dydaktyka/sztintel/
Główne problemy kognitywistyki: Reprezentacja
Główne problemy kognitywistyki: Reprezentacja Wykład dziesiąty Hipoteza języka myśli (LOT): źródła i założenia Andrzej Klawiter http://www.amu.edu.pl/~klawiter klawiter@amu.edu.pl Filozoficzne źródła:
SZTUCZNA INTELIGENCJA
Stefan Sokołowski SZTUCZNA INTELIGENCJA Inst Informatyki UG, Gdańsk, 2009/2010 Wykład1,17II2010,str1 SZTUCZNA INTELIGENCJA reguły gry Zasadnicze informacje: http://infugedupl/ stefan/dydaktyka/sztintel/
Historia sztucznej inteligencji. Przygotował: Konrad Słoniewski
Historia sztucznej inteligencji Przygotował: Konrad Słoniewski Prahistoria Mit o Pigmalionie Pandora ulepiona z gliny Talos olbrzym z brązu Starożytna Grecja System sylogizmów Arystotelesa (VI w. p.n.e.)
JAKIE IDEE WPŁYNĘŁY NAJSILNIEJ NA ROZWÓJ I EWOLUCJĘ INFORMATYKI?
JAKIE IDEE WPŁYNĘŁY NAJSILNIEJ NA ROZWÓJ I EWOLUCJĘ INFORMATYKI? Dlaczego dla informatyków ważne są liczby? Dlaczego dla informatyków ważne są liczby? bo w pamięci komputerów cyfrowych wszelkie dane (teksty,
Wykłady dla doktorantów Środowiskowych Studiów Doktoranckich w zakresie informatyki w roku akademickim 2011/2012
Wykłady dla doktorantów Środowiskowych Studiów Doktoranckich w zakresie informatyki w roku akademickim 2011/2012 - prof. dr hab. Wojciech Rytter: Algorytmika kombinatoryczno-grafowa (30 g. semestr zimowy
Zastosowanie terapii Neurofeedback w leczeniu zaburzeń psychicznych
Zastosowanie terapii Neurofeedback w leczeniu zaburzeń psychicznych Kasper Czech Zakład Psychologii Klinicznej i Sądowej Uniwersytet Śląski Definicja metody Biofeedback Metoda umożliwiająca zmianę wybranych
SIECI NEURONOWE Liniowe i nieliniowe sieci neuronowe
SIECI NEURONOWE Liniowe i nieliniowe sieci neuronowe JOANNA GRABSKA-CHRZĄSTOWSKA Wykłady w dużej mierze przygotowane w oparciu o materiały i pomysły PROF. RYSZARDA TADEUSIEWICZA BUDOWA RZECZYWISTEGO NEURONU
Podstawy Sztucznej Inteligencji (PSZT)
Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Uczenie maszynowe Sztuczne sieci neuronowe Plan na dziś Uczenie maszynowe Problem aproksymacji funkcji Sieci neuronowe PSZT, zima 2013, wykład 12
KIERUNEK: KOGNITYWISTYKA
KIERUNEK: KOGNITYWISTYKA Plan studiów pierwszego stopnia Cykl kształcenia 2018-2021 Rok akademicki 2018/2019 Zbo zaliczenie bez oceny Z zaliczenie z oceną E egzamin Jeżeli wykłady odbywają się równolegle
Umysł-język-świat 2012
Umysł-język-świat 2012 Wykład X: Między psycholingwistyką a neurolingwistyką Teorie neurolingwistyczne John Hughlings Jackson (1835-1911) badał jak bodźce wywołują reakcje i złożoność reakcji Dwa poziomy
Roman Schulz WYKŁADY Z PEDAGOGIKI OGÓLNEJ. Tom III Logos edukacji
Roman Schulz WYKŁADY Z PEDAGOGIKI OGÓLNEJ Tom III Logos edukacji TORUŃ 2009 SPIS TREŚCI Słowo wstępne... 9 I. Z problematyki teorii poznania... 11 1. Poznanie i jego poznanie... 11 2. Epistemologia: jej
Wstęp do kognitywistyki. Wykład 6: Psychologia poznawcza
Wstęp do kognitywistyki Wykład 6: Psychologia poznawcza Sześciokąt nauk kognitywnych I. Psychologia poznawcza Poznanie to zdolność człowieka do odbierania informacji z otoczenia i przetwarzania ich w celu
S YL AB US MODUŁ U ( PRZEDMIOTU) I nforma cje ogólne
S YL AB US MODUŁ U ( PRZEDMIOTU) I nforma cje ogólne Kod modułu Rodzaj modułu Wydział PUM Kierunek studiów Specjalność Poziom studiów Forma studiów Rok studiów Nazwa modułu Dobre praktyki w psychologii
Wstęp do sztucznych sieci neuronowych
Wstęp do sztucznych sieci neuronowych Michał Garbowski Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Wydział Informatyki 15 grudnia 2011 Plan wykładu I 1 Wprowadzenie Inspiracja biologiczna
Procedura przeprowadzania egzaminu magisterskiego w Instytucie Psychologii (obowiązująca od roku akad. 2010/11):
Procedura przeprowadzania egzaminu magisterskiego w Instytucie Psychologii (obowiązująca od roku akad. 2010/11): 1.W trakcie egzaminu magisterskiego student otrzymuje trzy pytania główne: a. Recenzent
PRZESŁANKI I PIERWSZE KONCEPCJE AUTOMATYCZNEGO LICZENIA
PRZESŁANKI I PIERWSZE KONCEPCJE AUTOMATYCZNEGO LICZENIA Pierwszą maszyną cyfrową, w której operacje wykonywane były za pomocą układów elektronicznych, był ENIAC (Electronic Numerioal Integrator And Computer)
KARTA MODUŁU KSZTAŁCENIA
KARTA MODUŁU KSZTAŁCENIA I. Informacje ogólne 1 Nazwa modułu kształcenia Sztuczna inteligencja 2 Nazwa jednostki prowadzącej moduł Instytut Informatyki, Zakład Informatyki Stosowanej 3 Kod modułu (wypełnia
Elementy filozofii i metodologii INFORMATYKI
Elementy filozofii i metodologii INFORMATYKI Filozofia INFORMATYKA Metodologia Wykład 1. Wprowadzenie. Filozofia, metodologia, informatyka Czym jest FILOZOFIA? (objaśnienie ogólne) Filozofią nazywa się
BIOCYBERNETYKA PROLOG
Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej BIOCYBERNETYKA Adrian Horzyk PROLOG www.agh.edu.pl Pewnego dnia przyszedł na świat komputer Komputery
Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe.
Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe. zajecia.jakubw.pl/nai Literatura: S. Osowski, Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa 997. PODSTAWOWE ZAGADNIENIA TECHNICZNE AI
OBLICZENIA ZA POMOCĄ PROTEIN
OBLICZENIA ZA POMOCĄ PROTEIN KODOWANIE I PRZETWARZANIE INFORMACJI W ORGANIZMACH Informacja genetyczna jest przechowywana w DNA i RNA w postaci liniowych sekwencji nukleotydów W genach jest przemieniana
Elementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład II: Modele pojęciowe Gwoli przypomnienia: Kroki w modelowaniu kognitywnym: teoretyczne ramy pojęciowe (modele pojęciowe) przeformułowanie
1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN. Agenda
Sieci neuropodobne 1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN Agenda Trochę neurobiologii System nerwowy w organizmach żywych tworzą trzy
Komputer EDVAC. czyli von Neumann zrobi to lepiej Historia Komputerów. Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski
Komputer EDVAC czyli von Neumann zrobi to lepiej Michał Bukowski Kajetan Dutka Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski 15.12.14 Historia Komputerów Timeline Kontekst historyczny
WIEDZA METODY INŻYNIERII WIEDZY KNOWLEDGE ENGINEERING AND DATA MINING. Adrian Horzyk. Akademia Górniczo-Hutnicza
METODY INŻYNIERII WIEDZY KNOWLEDGE ENGINEERING AND DATA MINING WIEDZA Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki
Algorytmy Równoległe i Rozproszone Część X - Algorytmy samostabilizujące.
Algorytmy Równoległe i Rozproszone Część X - Algorytmy samostabilizujące. Łukasz Kuszner pokój 209, WETI http://www.sphere.pl/ kuszner/ kuszner@sphere.pl Oficjalna strona wykładu http://www.sphere.pl/
technologii informacyjnych kształtowanie , procesów informacyjnych kreowanie metod dostosowania odpowiednich do tego celu środków technicznych.
Informatyka Coraz częściej informatykę utoŝsamia się z pojęciem technologii informacyjnych. Za naukową podstawę informatyki uwaŝa się teorię informacji i jej związki z naukami technicznymi, np. elektroniką,
3-letnie (6-semestralne) stacjonarne studia licencjackie kier. matematyka stosowana profil: ogólnoakademicki. Semestr 1. Przedmioty wspólne
3-letnie (6-semestralne) stacjonarne studia licencjackie kier. matematyka stosowana profil: ogólnoakademicki Semestr 1 Przedmioty wspólne Nazwa przedmiotu ECTS W Ć L P S Zal. Algebra liniowa z geometrią
KOGNITYWISTYKA PROGRAM OBOWIĄZUJĄCY STUDENTÓW Z REKRUTACJI OD ROKU 2012/2013. Rok I Semestr I
KOGNITYWISTYKA PROGRAM OBOWIĄZUJĄCY STUDENTÓW Z REKRUTACJI OD ROKU 2012/2013 A. NAZWA KIERUNKU STUDIÓW: KOGNITYWISTYKA B. POZIOM KSZTAŁCENIA: STUDIA JEDNOLITE MAGISTERSKIE C. PROFIL KSZTAŁCENIA: OGÓLNOAKADEMICKI
SYLABUS/ OPIS PRZEDMIOTU
1. Nazwa przedmiotu w języku polskim SYLABUS/ OPIS PRZEDMIOTU Biologiczne mechanizmy zachowania - fizjologia. 2. Nazwa przedmiotu w języku angielskim Biological mechanisms of behaviour - physiology 3.
SCENARIUSZ LEKCJI BIOLOGII Z WYKORZYSTANIEM FILMU DOBRZE MIEĆ O(G)LEJ W GŁOWIE. O KOMÓRKACH UKŁADU NERWOWEGO.
SCENARIUSZ LEKCJI BIOLOGII Z WYKORZYSTANIEM FILMU DOBRZE MIEĆ O(G)LEJ W GŁOWIE. O KOMÓRKACH UKŁADU NERWOWEGO. SPIS TREŚCI: I. Wprowadzenie. II. Części lekcji. 1. Część wstępna. 2. Część realizacji. 3.
I nforma cje ogólne. Biologiczne podstawy zachowania
Załącznik Nr do Uchwały Nr S YL AB US MODUŁ U ( PRZEDMIOTU) I nforma cje ogólne Nazwa modułu Rodzaj modułu/przedmiotu Wydział PUM Kierunek studiów Specjalność Poziom studiów Forma studiów Biologiczne podstawy
ODWZOROWANIE RZECZYWISTOŚCI
ODWZOROWANIE RZECZYWISTOŚCI RZECZYWISTOŚĆ RZECZYWISTOŚĆ OBIEKTYWNA Ocena subiektywna OPIS RZECZYWISTOŚCI Odwzorowanie rzeczywistości zależy w dużej mierze od możliwości i nastawienia człowieka do otoczenia
O RÓŻNYCH SPOSOBACH ROZUMIENIA ANALOGOWOŚCI W INFORMATYCE
Filozofia w informatyce, Kraków, 17-18 listopada 2016 O RÓŻNYCH SPOSOBACH ROZUMIENIA ANALOGOWOŚCI W INFORMATYCE Paweł Stacewicz Politechnika Warszawska Analogowe? płyta analogowa telewizja analogowa dawne
Narzędzia AI. Jakub Wróblewski jakubw@pjwstk.edu.pl Pokój 312. http://zajecia.jakubw.pl SZTUCZNA INTELIGENCJA (ARTIFICIAL INTELLIGENCE)
Narzędzia AI Jakub Wróblewski jakubw@pjwstk.edu.pl Pokój 312 http://zajecia.jakubw.pl SZTUCZNA INTELIGENCJA (ARTIFICIAL INTELLIGENCE) Nauka o maszynach realizujących zadania, które wymagają inteligencji
Uczenie sieci neuronowych i bayesowskich
Wstęp do metod sztucznej inteligencji www.mat.uni.torun.pl/~piersaj 2009-01-22 Co to jest neuron? Komputer, a mózg komputer mózg Jednostki obliczeniowe 1-4 CPU 10 11 neuronów Pojemność 10 9 b RAM, 10 10
Metody i techniki sztucznej inteligencji / Leszek Rutkowski. wyd. 2, 3 dodr. Warszawa, Spis treści
Metody i techniki sztucznej inteligencji / Leszek Rutkowski. wyd. 2, 3 dodr. Warszawa, 2012 Spis treści Przedmowa do wydania drugiego Przedmowa IX X 1. Wstęp 1 2. Wybrane zagadnienia sztucznej inteligencji
S YL AB US MODUŁ U ( PRZEDMIOTU) I nforma cje ogólne. I stopnia II stopnia
S YL AB US MODUŁ U ( PRZEDMIOTU) I nforma cje ogólne Nazwa modułu: Biologiczne podstawy zachowania Rodzaj modułu/przedmiotu Wydział PUM Kierunek studiów Obowiązkowy Wydział Nauk o Zdrowiu Psychologia zdrowia
Liczba godzin Punkty ECTS Sposób zaliczenia
Wydział: Psychologia Nazwa kierunku kształcenia: Psychologia Rodzaj przedmiotu: podstawowy Opiekun: prof. dr hab. Jan Matysiak Poziom studiów (I lub II stopnia): Jednolite magisterskie Tryb studiów: Stacjonarne
Wstęp do teorii sztucznej inteligencji Wykład III. Modele sieci neuronowych.
Wstęp do teorii sztucznej inteligencji Wykład III Modele sieci neuronowych. 1 Perceptron model najprostzszy przypomnienie Schemat neuronu opracowany przez McCullocha i Pittsa w 1943 roku. Przykład funkcji
Zagadnienia na egzamin magisterski Rekrutacja 2015/2016 Rok akademicki 2019/2020
Spis treści Zagadnienia ogólne na egzamin magisterski... 2 Zagadnienia specjalistyczne na egzamin magisterski... 4 specjalność: PSYCHOLOGIA PRACY, ORGANIZACJI I ZARZĄDZANIA... 4 specjalność: PSYCHOLOGIA
Wykład I. Podstawowe pojęcia. Studia Podyplomowe INFORMATYKA Architektura komputerów
Studia Podyplomowe INFORMATYKA Architektura komputerów Wykład I Podstawowe pojęcia 1, Cyfrowe dane 2 Wewnątrz komputera informacja ma postać fizycznych sygnałów dwuwartościowych (np. dwa poziomy napięcia,
Kierunek Informatyka stosowana Studia stacjonarne Studia pierwszego stopnia
Studia pierwszego stopnia I rok Matematyka dyskretna 30 30 Egzamin 5 Analiza matematyczna 30 30 Egzamin 5 Algebra liniowa 30 30 Egzamin 5 Statystyka i rachunek prawdopodobieństwa 30 30 Egzamin 5 Opracowywanie
Sztuczne sieci neuronowe
Wydział Zarządzania AGH Katedra Informatyki Stosowanej Sztuczne sieci neuronowe Sztuczne sieci neuronowe Wprowadzenie Trochę historii Podstawy działania Funkcja aktywacji Typy sieci 2 Wprowadzenie Zainteresowanie
HAŁASU Z UWZGLĘDNIENIEM ZJAWISK O CHARAKTERZE NIELINIOWYM
ZASTOSOWANIE SIECI NEURONOWYCH W SYSTEMACH AKTYWNEJ REDUKCJI HAŁASU Z UWZGLĘDNIENIEM ZJAWISK O CHARAKTERZE NIELINIOWYM WPROWADZENIE Zwalczanie hałasu przy pomocy metod aktywnych redukcji hałasu polega
Spostrzeganie jako proces kategoryzacji percepcyjnej.
Spostrzeganie jako proces kategoryzacji percepcyjnej. Odbiór informacji przez organizmy żywe przebiega w specyficzny sposób. Zespoły komórek nerwowych nazywanych detektorami cech wykonują kodowanie wybranych
wiedzy Sieci neuronowe
Metody detekcji uszkodzeń oparte na wiedzy Sieci neuronowe Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski Wykład 7 Wprowadzenie Okres kształtowania się teorii sztucznych sieci
MODELOWANIE RZECZYWISTOŚCI
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN d.wojcik@nencki.gov.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/ Podręcznik Iwo Białynicki-Birula Iwona
Sieci neuronowe i algorytmy uczenia Czyli co i jak andrzej.rusiecki.staff.iiar.pwr.wroc.pl s.
Sieci neuronowe i algorytmy uczenia Czyli co i jak 2016 andrzej.rusiecki@pwr.edu.pl andrzej.rusiecki.staff.iiar.pwr.wroc.pl s. 230/C-3 O co chodzi? Celem przedmiotu jest ogólne zapoznanie się z podstawowymi
Opisy efektów kształcenia dla modułu
Karta modułu - Metodyki i techniki programowania 1 / 5 Nazwa modułu: Metodyki i techniki programowania Rocznik: 2012/2013 Kod: RIA-1-103-s Punkty ECTS: 7 Wydział: Inżynierii Mechanicznej i Robotyki Poziom
ECTS Razem 30 Godz. 330
3-letnie stacjonarne studia licencjackie kier. Matematyka profil: ogólnoakademicki Semestr 1 Przedmioty wspólne Algebra liniowa z geometrią analityczną I 7 30 30 E Analiza matematyczna I 13 60 60 E Technologie
Wykład nr 3 Techniki Mikroprocesorowe. dr inż. Artur Cichowski
Wykład nr 3 Techniki Mikroprocesorowe dr inż. Artur Cichowski Automat skończony jest przetwornikiem ciągu symboli wejściowych na ciąg symboli wyjściowych. Zbiory symboli wejściowych x X i wyjściowych y
Załącznik Nr 4. odniesienie do obszarowych efektów kształcenia w KRK. kierunkowe efekty kształceniaopis WIEDZA
Załącznik Nr 4. Odniesienie kierunkowych efektów kształcenia do obszarowych efektów kształcenia dla obszaru lub obszarów kształcenia przyporządkowanych temu kierunkowi Kognitywistyka z racji tradycji badawczych
Sztuczne sieci neuronowe
www.math.uni.lodz.pl/ radmat Cel wykładu Celem wykładu jest prezentacja różnych rodzajów sztucznych sieci neuronowych. Biologiczny model neuronu Mózg człowieka składa się z około 10 11 komórek nerwowych,
Wstęp do Informatyki. dr inż. Paweł Pełczyński ppelczynski@swspiz.pl
Wstęp do Informatyki dr inż. Paweł Pełczyński ppelczynski@swspiz.pl Literatura 1. Brookshear, J. G. (2003). Informatyka w ogólnym zarysie. WNT, Warszawa. 3. Małecki, R. Arendt D. Bryszewski A. Krasiukianis
Elementy historii INFORMATYKI
Elementy historii INFORMATYKI Wykład 2. Elementy historii informatyki HISTORIA INFORMATYKI HISTORIA KOMPUTERÓW Wykład 2. Elementy historii informatyki Prehistoria informatyki: PASCAL i LEIBNIZ (1623 1662)
O REDUKCJI U-INFORMACJI
O REDUKCJI U-INFORMACJI DO DANYCH Cztery punkty odniesienia (dla pojęcia informacji) ŚWIAT ontologia fizyka UMYSŁ psychologia epistemologia JĘZYK lingwistyka nauki o komunikacji KOMPUTER informatyka elektronika
Zagadnienia (1/3) Data-flow diagramy przepływów danych ERD diagramy związków encji Diagramy obiektowe w UML (ang. Unified Modeling Language)
Zagadnienia (1/3) Rola modelu systemu w procesie analizy wymagań (inżynierii wymagań) Prezentacja różnego rodzaju informacji o systemie w zależności od rodzaju modelu. Budowanie pełnego obrazu systemu
Z punktu widzenia kognitywisty: język naturalny
Z punktu widzenia kognitywisty: język naturalny Wykład VI: Elementy neurolingwistyki Teorie neurolingwistyczne Paul Broca (1824-1880) teoria oparta na badaniu symptomów pacjenta Leborgne i sekcji mózgu
Algorytm. Krótka historia algorytmów
Algorytm znaczenie cybernetyczne Jest to dokładny przepis wykonania w określonym porządku skończonej liczby operacji, pozwalający na rozwiązanie zbliżonych do siebie klas problemów. znaczenie matematyczne
Czy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski
Czy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski Architektura umysłu Pojęcie używane przez prawie wszystkie współczesne ujęcia kognitywistyki Umysł Przetwornik informacji 2 Architektura
Logika dla socjologów Część 3: Elementy teorii zbiorów i relacji
Logika dla socjologów Część 3: Elementy teorii zbiorów i relacji Rafał Gruszczyński Katedra Logiki Uniwersytet Mikołaja Kopernika 2011/2012 Spis treści 1 Zbiory 2 Pary uporządkowane 3 Relacje Zbiory dystrybutywne
Dialog z przyroda musi byc prowadzony w jezyku matematyki, w przeciwnym razie przyroda nie odpowiada na nasze pytania.
Wydział Fizyki Uniwersytetu Warszawskiego a. Tw. Gödla kontra Matrix b. Moim zdaniem Rys. źródło: Internet W jaki sposób policzyć ilość operacji logicznych w mózgu? Mózg a komputer "When will computer
Uniwersytet Śląski w Katowicach WYDZIAŁ MATEMATYKI, FIZYKI I CHEMII. Kierunek Matematyka. Studia stacjonarne i niestacjonarne I i II stopnia
Uniwersytet Śląski w Katowicach WYDZIAŁ MATEMATYKI, FIZYKI I CHEMII Kierunek Matematyka Studia stacjonarne i niestacjonarne I i II stopnia Organizacja roku akademickiego 2017/2018 Studia stacjonarne I