Struktura teorii neurokognitywnych wykład monograficzny 2012/2013. Wykład 5 ( )
|
|
- Szczepan Olejnik
- 7 lat temu
- Przeglądów:
Transkrypt
1 Struktura teorii neurokognitywnych wykład monograficzny 2012/2013 Wykład 5 ( )
2 Na niniejszym wykładzie Czym są paradygmaty interpretacyjne: powtórka Paradygmat komputerowy Wprowadzenie do psychologii ewolucyjnej struktura nauk ewolucyjnych
3 powtórka: wprowadzenie do paradygmatów interpretacyjnych
4 Rola paradygmatów interpretacyjnych w neuronauce poznawczej Przyjęcie określonego paradygmatu wpływa m.in. na: (a) sposoby interpretacji danych na każdym z poziomów, a więc przyjęte schematy, (b) typy dopuszczalnych eksperymentów, (c) wzbogacenie wiedzy towarzyszącej o dane z różnych dziedzin nauki, (d) wyznaczenie celów badawczych, (e) przyjęcie określonej wizji antropologicznej, o dużej składowej filozoficznej (f) przyjęcie określonego poglądu na funkcjonowanie umysłu, (g) przyjęcie szeregu dodatkowych, nie zawsze artykułowanych explicite, założeń filozoficznych.
5 Trzy podstawowe paradygmaty intepretacyjne Paradygmat komputerowy Psychologia ewolucyjna Embodied-embedded mind
6 Paradygmat komputerowy
7 Czym jest paradygmat komputerowy? Symboliczne podejście do AI (symbolizm) konseksionizm (m.in. sztuczne sieci neuronowe)
8 John Searle Silna AI Paradygmat komputerowy procesy poznawcze mają się do mózgu tak, jak program (software) do struktury fizycznej komputera (hardware). Słaba AI procesy poznawcze dają się modelować komputerowo Jerry Fodor myśli mogą być przyczynami zachowań organizmu, gdyż posiadają określoną formę logiczną (teza o downward causation) forma logiczna definiowana jest na składni reprezentacji mentalnych (teza o reprezentacjach) obliczenia, przeprowadzane na reprezentacjach są uniwersalne (teza o uniwersalności obliczeń)
9 Reprezentacja: ważne i skomplikowane pojęcie Podstawową ideą jest, że system S reprezentuje cechę F wtedy i tylko wtedy, gdy S posiada funkcję wskazywania (dostarczania informacji o) F należącej do dziedziny pewnych przedmiotów (objects). Sposób, w jaki S realizuje swoją funkcję (kiedy ją realizuje), polega na przyjmowaniu różnych stanów s 1, s 2,, s n odpowiadających różnym własnościom f 1, f 2,, f n należącym do F Fred Dretske
10 Historia paradygmatu komputerowego Odpowiedź Alana Turinga na tzw. Entscheidungsproblem zarysowany przez Davida Hilberta w 1900, a sformułowany precyzyjnie w 1928 roku (dotyczył on istnienia ogólnego algorytmu, który pozwalałby na rozstrzyganie dowolnych problemów matematycznych) powstaje maszyna stanów dyskretnych (Turinga) W 1943 roku Warren McCulloch i Walter Pitts ogłosili pracę, w której potraktowali komórki nerwowe, jako boolowskie narzędzia, przyjmujące jedynie dwa stany (0, 1) Teza o wielorakiej realizacji Hilary Putnam W 1963 Alan Newell i Herbert Simon stwierdzili, że komputery, tak samo jak ludzie, wykraczają poza ramy syntaktyczne i już wyposażone są w semantykę. Ich podstawowym celem było stworzenie programu, który potrafiłby rozwiązywać wszystkie możliwe problemy (General Problem Solver, GPS) W 1983 Jerry Fodor formułuje modularna teorię umysłu
11 Ekspansja sieci neuronowych trzy cechy, w których sztuczne neurony naśladują neurony biologiczne: (i) możliwość agregacji impulsów, docierających z licznych źródeł (np. innych neuronów); (ii) możliwość różnicowania impulsów w oparciu o dostępną wiedzę; (iii) możliwość wygenerowania impulsu, będącego rozwiązaniem lub składnikiem rozwiązania problemu
12 Program badawczy Johna Andersona (1987) 1. Aby zrozumieć ludzkie poznanie, należy zrozumieć zarówno algorytmy umysłowe (procedury) jak i ich implamentacje. Tylko poziom implamentacyjny może być rozumiany w terminach ogólnych praw poznania, które są stałe w różnych sytuacjach. Nasze algorytmy umysłowe są przystosowane do konkretnych wymagań oraz tak różne, jak różne są te wymagania. 2. Należy przeprowadzić ważne badania podstawowe nad poziomem algorytmicznym. 3. Dobrym sposobem poznania poziomu algorytmicznego jest prowadzeni badań pedagogicznych dotyczących sposobu, w jaki te algorytmy umysłowe są nauczane i nabywane
13 Anderson: algorytm a implamentacja Należy odróżnić (a) procedury umysłowe i wiedzę, którą posiadamy, umożliwiające nam adaptacyjne zachowanie, od (b) mechanizmów, które implamentują te procedury i tę wiedzę. Oczywista jest analogia do standardowego komputera, w którym programy i przechowywane struktury danych stanowią odpowiednik algorytmu, zaś sama maszyna i wykonywane przez nią operację odpowiadają implamentacji. Te dwa poziomy są w znacznym stopniu niezależne, ponieważ tego typu abstrakcyjne programy mogą być implamentowane w różnych CJP (centralnych jednostkach przetwarzania) oraz tego typu struktury danych mogą być implamentowane w pamięciach o różnych właściwościach.
14 Anderson: algorytm a implamentacja Wiedza nabywana jest w kategoriach jednostek poziomu algorytmicznego; implamentacja tych jednostek jest ustalona i nie może być modyfikowana przez uczenie się. Wybierając bardziej szczegółowy poziom algorytmiczny (tzn. rezygnując z modelowania określonych rzecz na ustalonym poziomie implamentacyjnym), wybiera się jednocześnie postęp uczenia się mierzony mniejszymi przyrostami wiedzy oraz otwartą możliwość uczenia się określonych rzeczy
15 Anderson: architektura poznawcza *ACT
16 Teoria widzenia Davida Marra Jak dwuwymiarowy obraz odwzorowywany na siatkówce oka przekształcany jest na trójwymiarowe reprezentacje? Etapy przetwarzania informacji wzrokowych: (1) tworzenie pierwotnego szkicu sceny (wydobywane są podstawowe cechy strukturalne elementów sceny, które obejmują cechy takie jak krawędzie czy kontury) (2) tworzenie szkicu 2,5-D (pierwotny szkic wzbogacany jest w nim m.in. o tekstury, co pozwala na wytworzenie głębi obrazu) (3) trójwymiarowy (3-D) model sceny
17 Teoria widzenia Davida Marra Marr wyróżnia 3 poziomy: (1) poziom komputacyjny związany jest z zachowaniem systemu (odnosi się do celu jaki stoi przed systemem oraz zastosowania strategii, która umożliwi optymalne wykonanie zadań; w przypadku widzenia, zadaniem tym jest wytworzenie trójwymiarowych reprezentacji wizualnych) (2) poziom algorytmiczny (reprezentacyjny), odpowiedzialny jest za to jak system rozwiązuje problem (na poziomie tym badać można jakie algorytmy odpowiedzialne są za wykonywanie poszczególnych zadań) (3) poziom implamentacyjny, czyli hardware, odnosi się do biologicznych mechanizmów (podłoża) realizacji algorytmów (implamentacji).
18 Paradygmat komputerowy a poziomy teoretyczne (1) pojedyncze neurony zaawansowane symulacje (np. model Hodkina-Huxley a) (2) bogatsze struktury neuronalne sztuczne sieci neuronowe (3) cały mózg Blue Brain Project (4) procesy poznawcze architektury kognitywne
19 Psychologia ewolucyjna wprowadzenie
20 Co to jest psychologia ewolucyjna? Psychologia ewolucyjna = Darwin + Turing
21 Struktura nauk ewolucyjnych
22 Nic w biologii nie ma sensu jeśli jest rozpatrywane w oderwaniu od teorii ewolucji Theodosius Dobzhansky
23 Jeśli miałbym przyznać nagrodę za najlepszą ideę wszechczasów, dałbym ją Darwinowi przed Newtonem, Einsteinem i wszystkimi innymi. Koncepcja ewolucji przez dobór naturalny za jednym zamachem jednoczy sferę życia, sensu i celu ze sferą przestrzeni i czasu, przyczyny i skutku, mechanizmów i praw fizyki. Daniel Dennett, Darwin s Dangerous Idea
24 Struktura nauk ewolucyjnych (1) Ogólna Teoria Ewolucji: (i) Teoria doboru naturalnego (ii) Teoria doboru płciowego (iii) Teoria dostosowania łącznego (2) Ewolucyjne teorie środkowego poziomu: (i) Teoria altruizmu odwzajemnionego (ii) Teoria inwestycji rodzicielskiej (iii) Uzupełnienia i modyfikacje teorii doboru płciowego (iv) Teoria konfliktu rodzice potomstwo (3) Ewolucyjne nauki behawioralne: (i) Socjobiologia (ii) Teoria memetyczno-genetycznej koewolucji (iii) Ekologia behawioralna (iv) Psychologia ewolucyjna
25 Podstawy darwinizmu Przedmiot teorii ewolucji: (1) ewolucja organizmów (obserwowalny fakt) (2) specjacja (3) stopniowość przemian (4) pochodzenie od wspólnego przodka Mechanizmy ewolucji: (1) dryf genetyczny (2) dobór naturalny (3) dobór płciowy
26 Dobór naturalny według Darwina Twórca teorii DN: Karol Darwin (1859) (uwaga: nie znał genetyki!) Konsekwencją doboru naturalnego jest to, że organizmy będą przystosowane do swojego środowiska. Wyselekcjonowane zostaną osobniki, które najlepiej radzą sobie ze znalezieniem pokarmu, partnerów, unikaniem drapieżników itd. (Krebs, Davis, Wprowadzenie do ekologii behawioralnej [rekonstrukcja])
27 Dobór naturalny ujęcie współczesne Każdy allel, który wytwarza więcej przeżywających kopii samego sobie niż jego konkurenci, z czasem zastąpi formę alternatywną w populacji. Dobór naturalny polega na zróżnicowanym przeżywaniu alternatywnych alleli. Krebs, Davies
28 Warunki działania doboru naturalnego DN zachodzi wtw., gdy spełnione są warunki: (1) fenotypowa zmienność osobników w populacji (cechy fizyczne, behawioralne, psychiczne). (2) zróżnicowana reprodukcja osobniki o pewnych cechach mają większe szanse na sukces reprodukcyjny. (3) dziedziczność zmienności fenotypowej. Gdzie zachodzi dobór? Gatunki Populacje Osobniki Geny
29 Teoria doboru naturalnego (DN) Mutacje powstają podczas procesu replikacji DNA przypadkowe (losowe) niekierunkowe nieprzewidywalne DN selekcjonuje cechy ze względu na dostosowanie organizmu do środowiska (fitness) Cechy DN: powolny: wybiera tylko w dostępnym materiale genet. krótkowzroczny: nie przewiduje przyszłych zmian środowiska kierunkowy: promuje tylko cechy korzystne, wypiera niekorzystne ***Daniel Dennett: algorytmiczny
30 Twórca teorii: Karol Darwin Teoria doboru płciowego DP selekcjonuje cechy ze względu na partnerkę/partnera promowane są cechy atrakcyjne dla płci przeciwnej Sprzyja powstawaniu specyficznych cech, takich jak np. ogon pawia, jaskrawe upierzenie itd. Cechy te mogą zmniejszać szanse przeżycia danego osobnika, ale zwiększają szansę jego sukcesu reprodukcyjnego. Jaka jest relacja między DN a DP?
31 Twórca teorii: William D. Hamilton: Zwana inaczej teorią doboru krewniaczego. Uwaga: jest to integralna część współczesnej teorii DN Sukces ewolucyjny osobnika polega nie tylko na pozostawieniu potomstwa, ale także na sukcesie reprodukcyjnym bliskich krewniaków. Jesteśmy skłonni do aktów altruizmu wobec krewnych w zależności od stopnia pokrewieństwa r. Dziedziczymy 50% genów każdego z rodziców, w zw. z tym r dla rodzice-dzieci = 0,5; rodzeństwo = 0,5; dziadkowie-wnuki = 0,25; najbliżsi kuzyni = 0,125 itd... Altruizm krewniaczy zachodzi zgodnie z regułą Hamiltona : zb r > sa, czyli, gdy straty (koszty) altruisty są mniejsze niż zyski beneficjenta (krewnego) pomnożone przez współczynnik pokrewieństwa. Konsekwencje teorii dostosowania łącznego: Teoria dostosowania łącznego Bycie altruistą wobec krewnych się opłaca Perspektywa samolubnych genów wypiera koncepcję doboru grupowego Muszą istnieć mechanizmy w tym kognitywne które pozwalają rozpoznawać krewnych!
32 (1) adaptacje Trzy rodzaje wytworów procesu ewolucji dziedziczne cechy zwiększające prawdopodobieństwo przetrwania i reprodukcji osobnika w pewnych warunkach środowiskowych (np. pępowina). (2) produkty uboczne (współtowarzyszące) nie rozwiązują problemów adaptacyjnych, ale pojawiają się wraz z adaptacjami (np. pępek). (3) efekty przypadkowe (szumy) powstałe w wyniku mutacji, zmian środowiska, w fazie rozwoju osobniczego nieszkodliwe (np. kształt pępka). Przestroga G. Williamsa: musisz mieć bardzo silne dowody, aby mówić, że coś jest adaptacją!
33 Teoria altruizmu odwzajemnionego Twórca teorii: Robert Trivers (lata 70 XX wieku) W przyrodzie obserwujemy akty altruizmu nie tylko wśród krewniaków (fakt). Organizmy są w stanie ponosić pewne koszty, aby w przyszłości otrzymać zwrot z nawiązką (fakt). Warunki: Wysokie prawdopodobieństwo ponownego spotkania altruisty i beneficjenta (zw. ze stopniem rozproszenia populacji oraz długością życia) Stopień mutualistycznej zależności (wspólne interesy zwiększają prawdopodobieństwo, że beneficjent nie okaże się oszustem) Odpowiednio rozwinięty umysł i zdolności kognitywne: psychologiczna perspektywa przyszłości, zdolność do odkładania gratyfikacji, pamięć, rozpoznawanie twarzy... Warunki są sp. w niewielkich grupach ze słabą hierarchią dominacji. Argumenty teoriogrowe (iterowany Dylemat Więźnia)
34 Teoria inwestycji rodzicielskiej (Robert Trivers) Stanowi rozwinięcie teorii doboru płciowego Darwina: Przedstawiciele płci, która ponosi większą inwestycję w potomstwo będą ceteris paribus stawiać większe wymagania partnerom i de facto decydować o wyborze partnera. Zwykle większą inwestycję ponoszą samice. Konkurencja wewnątrzpłciowa samce-samce, samice-samice. Strategia samic: wybredność, preferowanie osobników o dobrych genach i dużej skłonności do inwestycji rodzicielskiej. Konieczność istnienia mechanizmów wykrywania kłamców.
35 Socjobiologia Zarzuty: propagowanie nieuzasadnionego determinizmu genetycznego zachowań zbyt łatwe ekstrapolowanie wyników badań, prowadzonych na rożnych gatunkach zwierząt na zachowania Homo sapiens, wyjaśnianie wszystkich wytworów działania doboru naturalnego, jako adaptacji
36 Kolejne zajęcia: Psychologia ewolucyjna Główne założenia i tezy Specyfika wyjaśniania EP jako paradygmat neuronauki poznawczej Wprowadzenie do embodied-embedded mind Poziom filozoficzny Poziom lingwistyczny Poziom neuronaukowy EEM jako paradygmat neuronauki poznawczej
Przyrodnicze i kulturowe obrazy świata
Przyrodnicze i kulturowe obrazy świata wykład 5 Darwinizm i narodziny ewolucyjnego obrazu świata dr Mateusz Hohol sem. zimowy 2014/2015 filozofia bytu filozofia stawania się Nic w biologii nie ma sensu
Bardziej szczegółowoFilozofia umysłu i kognitywistyka I. wykład 7: Psychologia ewolucyjna. dr Mateusz Hohol. Wykład monograficzny, sem.
Filozofia umysłu i kognitywistyka I wykład 7: Psychologia ewolucyjna dr Mateusz Hohol Wykład monograficzny, sem. zimowy 2013/2014 Co to jest psychologia ewolucyjna? Psychologia ewolucyjna = Darwin + Turing
Bardziej szczegółowoEwolucjonizm NEODARWINIZM. Dr Jacek Francikowski Uniwersyteckie Towarzystwo Naukowe Uniwersytet Śląski w Katowicach
Ewolucjonizm NEODARWINIZM Dr Jacek Francikowski Uniwersyteckie Towarzystwo Naukowe Uniwersytet Śląski w Katowicach Główne paradygmaty biologii Wspólne początki życia Komórka jako podstawowo jednostka funkcjonalna
Bardziej szczegółowoStruktura teorii neurokognitywnych wykład monograficzny 2012/2013. Wykład 5 ( )
Struktura teorii neurokognitywnych wykład monograficzny 2012/2013 Wykład 5 (12.11.2012) Niniejszy wykład: Struktura nauk ewolucyjnych powtórzenie Psychologia ewolucyjna jako paradygmat Nic w biologii nie
Bardziej szczegółowoO 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
Bardziej szczegółowoEkologia wyk. 1. wiedza z zakresu zarówno matematyki, biologii, fizyki, chemii, rozumienia modeli matematycznych
Ekologia wyk. 1 wiedza z zakresu zarówno matematyki, biologii, fizyki, chemii, rozumienia modeli matematycznych Ochrona środowiska Ekologia jako dziedzina nauki jest nauką o zależnościach decydujących
Bardziej szczegółowoO 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
Bardziej szczegółowoTeoria ewolucji. Podstawowe pojęcia. Wspólne pochodzenie.
Teoria ewolucji Podstawowe pojęcia. Wspólne pochodzenie. Informacje Kontakt: Paweł Golik Instytut Genetyki i Biotechnologii, Pawińskiego 5A pgolik@igib.uw.edu.pl Informacje, materiały: http://www.igib.uw.edu.pl/
Bardziej szczegółowoCZYM 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
Bardziej szczegółowoWstęp do kognitywistyki. Wykład 3: Logiczny neuron. Rachunek sieci neuronowych
Wstęp do kognitywistyki Wykład 3: Logiczny neuron. Rachunek sieci neuronowych Epistemologia eksperymentalna W. McCulloch: Wszystko, czego dowiadujemy się o organizmach wiedzie nas do wniosku, iż nie są
Bardziej szczegółowoO 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
Bardziej szczegółowoJak powstają nowe gatunki. Katarzyna Gontek
Jak powstają nowe gatunki Katarzyna Gontek Powstawanie gatunków (specjacja) to proces biologiczny, w wyniku którego powstają nowe gatunki organizmów. Zachodzi na skutek wytworzenia się bariery rozrodczej
Bardziej szczegółowoTeoria ewolucji. Podstawowe pojęcia. Wspólne pochodzenie.
Teoria ewolucji Podstawowe pojęcia. Wspólne pochodzenie. Ewolucja Znaczenie ogólne: zmiany zachodzące stopniowo w czasie W biologii ewolucja biologiczna W astronomii i kosmologii ewolucja gwiazd i wszechświata
Bardziej szczegółowoCzy znaczna niestabilność postrzegania atrakcyjności twarzy podważa adaptacjonistyczną interpretację tego zjawiska?
Czy znaczna niestabilność postrzegania atrakcyjności twarzy podważa adaptacjonistyczną interpretację tego zjawiska? Krzysztof Kościński Zakład Ekologii Populacyjnej Człowieka, UAM Charles Darwin, 1871,
Bardziej szczegółowoTeoria ewolucji. Podstawy wspólne pochodzenie.
Teoria ewolucji. Podstawy wspólne pochodzenie. Ewolucja biologiczna } Znaczenie ogólne: } proces zmian informacji genetycznej (częstości i rodzaju alleli), } które to zmiany są przekazywane z pokolenia
Bardziej szczegółowoElementy 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
Bardziej szczegółowoFestiwal 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
Bardziej szczegółowoElementy 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
Bardziej szczegółowoAlgorytm genetyczny (genetic algorithm)-
Optymalizacja W praktyce inżynierskiej często zachodzi potrzeba znalezienia parametrów, dla których system/urządzenie będzie działać w sposób optymalny. Klasyczne podejście do optymalizacji: sformułowanie
Bardziej szczegółowoBiologia atrakcyjności fizycznej człowieka
1 Wykład monograficzny pod tytułem: Biologia atrakcyjności fizycznej człowieka Liczba godzin: 15; czyli 7 spotkań po 2 godziny lekcyjne (1,5 h zegarowej) i 1 spotkanie na 1 godzinę (45 minut). Prowadzący:
Bardziej szczegółowoWyk. 2 Ekologia behawioralna
Wyk. 2 Ekologia behawioralna Be or not to be? How be to be? Pytania o zachowanie Dlaczego to zachowanie wyewoluowało? Gody przed kopulacją Życie samotnie lub w grupie Pieśni ptaków składają się z gwizdów
Bardziej szczegółowoAlgorytm Genetyczny. zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych
Algorytm Genetyczny zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych Dlaczego Algorytmy Inspirowane Naturą? Rozwój nowych technologii: złożone problemy obliczeniowe w
Bardziej szczegółowoTeoretyczne podstawy kognitywistyki religii K O N R A D T A L M O N T - K A M I N S K I U M C S
Teoretyczne podstawy kognitywistyki religii K O N R A D T A L M O N T - K A M I N S K I U M C S Plan Kognitywistyka religii Główne tezy Podstawy i problemy Racjonalność ograniczona Religia i prospołeczność
Bardziej szczegółowoNaCoBeZu klasa 8 Dział Temat nacobezu programu I. Genetyka 1. Czym jest genetyka? 2. Nośnik informacji genetycznej DNA 3. Podziały komórkowe
NaCoBeZu klasa 8 Dział programu Temat nacobezu I. Genetyka 1. Czym jest genetyka? wymieniam zakres badao genetyki rozróżniam cechy dziedziczne i niedziedziczne wskazuję cechy indywidualne i gatunkowe omawiam
Bardziej szczegółowowykład dla studentów II roku biotechnologii Andrzej Wierzbicki
Genetyka ogólna wykład dla studentów II roku biotechnologii Andrzej Wierzbicki Uniwersytet Warszawski Wydział Biologii andw@ibb.waw.pl http://arete.ibb.waw.pl/private/genetyka/ Choroby genetyczne o złożonym
Bardziej szczegółowoZARZĄDZANIE POPULACJAMI ZWIERZĄT
ZARZĄDZANIE POPULACJAMI ZWIERZĄT Ćwiczenia 1 mgr Magda Kaczmarek-Okrój magda_kaczmarek_okroj@sggw.pl 1 ZAGADNIENIA struktura genetyczna populacji obliczanie frekwencji genotypów obliczanie frekwencji alleli
Bardziej szczegółowoCzy 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
Bardziej szczegółowoElementy 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)
Bardziej szczegółowoZmienność. środa, 23 listopada 11
Zmienność http://ggoralski.com Zmienność Zmienność - rodzaje Zmienność obserwuje się zarówno między poszczególnymi osobnikami jak i między populacjami. Różnice te mogą mieć jednak różne podłoże. Mogą one
Bardziej szczegółowoRozkład materiału z biologii dla klasy III AD. 7 godz / tyg rok szkolny 2016/17
Rozkład materiału z biologii dla klasy III AD zakres rozszerzony LO 7 godz / tyg rok szkolny 2016/17 Biologia na czasie 2 zakres rozszerzony nr dopuszczenia 564/2/2012 Biologia na czasie 3 zakres rozszerzony
Bardziej szczegółowoMODELOWANIE 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/
Bardziej szczegółowoAlgorytmy ewolucyjne NAZEWNICTWO
Algorytmy ewolucyjne http://zajecia.jakubw.pl/nai NAZEWNICTWO Algorytmy ewolucyjne nazwa ogólna, obejmująca metody szczegółowe, jak np.: algorytmy genetyczne programowanie genetyczne strategie ewolucyjne
Bardziej szczegółowoAlan 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
Bardziej szczegółowoPodstawy biologii. Informacja genetyczna. Co to jest ewolucja.
Podstawy biologii Informacja genetyczna. Co to jest ewolucja. Materiał genetyczny Materiałem genetycznym są kwasy nukleinowe Materiałem genetycznym organizmów komórkowych jest kwas deoksyrybonukleinowy
Bardziej szczegółowo2
1 2 3 4 5 Dużo pisze się i słyszy o projektach wdrożeń systemów zarządzania wiedzą, które nie przyniosły oczekiwanych rezultatów, bo mało kto korzystał z tych systemów. Technologia nie jest bowiem lekarstwem
Bardziej szczegółowoSCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO
SCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO. Rzeczywistość (istniejąca lub projektowana).. Model fizyczny. 3. Model matematyczny (optymalizacyjny): a. Zmienne projektowania
Bardziej szczegółowoAproksymacja funkcji a regresja symboliczna
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą
Bardziej szczegółowoMetody Rozmyte i Algorytmy Ewolucyjne
mgr inż. Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych Uniwersytet Kardynała Stefana Wyszyńskiego Podstawowe operatory genetyczne Plan wykładu Przypomnienie 1 Przypomnienie Metody generacji liczb
Bardziej szczegółowoWykład 1 BIOMATEMATYKA DR WIOLETA DROBIK
Wykład 1 BIOMATEMATYKA DR WIOLETA DROBIK SPRAWY ORGANIZACYJNE Konsultacje: czwartek 12-14, pokój 33 Email: wioleta.drobik@gmail.com, wioleta_drobik@sggw.pl Wykład 30 h (10 x 3 h w tygodniu) Ćwiczenia 15
Bardziej szczegółowoRozkład materiału z biologii do klasy III.
Rozkład materiału z biologii do klasy III. L.p. Temat lekcji Treści programowe Uwagi 1. Nauka o funkcjonowaniu przyrody. 2. Genetyka nauka o dziedziczności i zmienności. -poziomy różnorodności biologicznej:
Bardziej szczegółowoKARTA KURSU. Podstawy ewolucjonizmu. Basics of evolution. Kod Punktacja ECTS* 2
KARTA KURSU Nazwa Nazwa w j. ang. Podstawy ewolucjonizmu Basics of evolution Kod Punktacja ECTS* 2 Koordynator Prof. dr hab. Władysław Zamachowski Zespół dydaktyczny Prof. dr hab. Władysław Zamachowski
Bardziej szczegółowoAlgorytmy genetyczne
9 listopada 2010 y ewolucyjne - zbiór metod optymalizacji inspirowanych analogiami biologicznymi (ewolucja naturalna). Pojęcia odwzorowujące naturalne zjawiska: Osobnik Populacja Genotyp Fenotyp Gen Chromosom
Bardziej szczegółowoGłówne 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:
Bardziej szczegółowoGENETYKA POPULACJI. Ćwiczenia 1 Biologia I MGR /
GENETYKA POPULACJI Ćwiczenia 1 Biologia I MGR 1 ZAGADNIENIA struktura genetyczna populacji obliczanie frekwencji genotypów obliczanie frekwencji alleli przewidywanie struktury następnego pokolenia przy
Bardziej szczegółowoElementy 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
Bardziej szczegółowoKognitywistyka, poznanie, język. Uwagi wprowadzające.
Wykład I: Elementy kognitywistyki: język naturalny Kognitywistyka, poznanie, język. Uwagi wprowadzające. Po raz pierwszy w historii można coś napisać o instynkcie uczenia się, mówienia i rozumienia języka.
Bardziej szczegółowoOPIS PRZEDMIOTU. Psychologia różnic indywidualnych 1100-Ps2RI-SJ. Kod przedmiotu. Pedagogiki i Psychologii
OPIS PRZEDMIOTU Nazwa przedmiotu Kod przedmiotu Psychologia różnic indywidualnych 1100-Ps2RI-SJ Wydział Instytut/Katedra Kierunek Pedagogiki i Psychologii Instytut Psychologii Psychologia Specjalizacja/specjalność
Bardziej szczegółowoElementy 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
Bardziej szczegółowoMechanizmy ewolucji. SYLABUS A. Informacje ogólne
Mechanizmy ewolucji A. Informacje ogólne Elementy sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Język Rodzaj Rok studiów /semestr
Bardziej szczegółowoInformacja 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
Bardziej szczegółowoFilozofia umysłu. Eliminatywizm. Wykład VIII: w filozofii umysłu
Filozofia umysłu Wykład VIII: Eliminatywizm w filozofii umysłu Materializm Funkcjonalizm daje się uzgodnić z materializmem, nie implikuje go jednak Eliminatywizm to stanowisko konsekwentnie materialistyczne:
Bardziej szczegółowoUchwała Nr 69 /2012. Senatu Uniwersytetu Jana Kochanowskiego w Kielcach. z dnia 31 maja 2012 roku
Uchwała Nr 69 /2012 Senatu Uniwersytetu Jana Kochanowskiego w Kielcach z dnia 31 maja 2012 roku w sprawie określenia efektów kształcenia dla kierunku zarządzanie na poziomie drugiego stopnia o profilu
Bardziej szczegółowoElementy 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.
Bardziej szczegółowoZARZĄDZANIE POPULACJAMI ZWIERZĄT DRYF GENETYCZNY EFEKTYWNA WIELKOŚĆ POPULACJI PRZYROST INBREDU
ZARZĄDZANIE POPULACJAMI ZWIERZĄT DRYF GENETYCZNY EFEKTYWNA WIELKOŚĆ POPULACJI PRZYROST INBREDU DRYF GENETYCZNY ) Każdy żywy organizm wytwarza więcej gamet, niż zdolne jest przetrwać (Darwin). 2) Przypadek
Bardziej szczegółowoprawda 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
Bardziej szczegółowoWprowadzenie 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
Bardziej szczegółowoTeoria ewolucji. Dobór płciowy i krewniaczy. Altruizm. Adaptacjonizm i jego granice.
Teoria ewolucji Dobór płciowy i krewniaczy. Altruizm. Adaptacjonizm i jego granice. Szczególne rodzaje doboru } Dobór płciowy } Dobór krewniaczy } Dobór grupowy? 2 Dobór i złożone zachowania } Nie istnieje
Bardziej szczegółowoINTUICJE. Zespół norm, wzorców, reguł postępowania, które zna każdy naukowiec zajmujący się daną nauką (Bobrowski 1998)
PARADYGMAT INTUICJE Zespół norm, wzorców, reguł postępowania, które zna każdy naukowiec zajmujący się daną nauką (Bobrowski 1998) PIERWSZE UŻYCIA językoznawstwo: Zespół form deklinacyjnych lub koniugacyjnych
Bardziej szczegółowoPodstawy biologii. Informacja genetyczna. Co to jest ewolucja.
Podstawy biologii Informacja genetyczna. Co to jest ewolucja. Zarys biologii molekularnej genu Podstawowe procesy genetyczne Replikacja powielanie informacji Ekspresja wyrażanie (realizowanie funkcji)
Bardziej szczegółowo6. Zagadnienia źródła poznania I Psychologiczne zagadnienie źródła poznania
6. Zagadnienia źródła poznania I Psychologiczne zagadnienie źródła poznania Andrzej Wiśniewski Andrzej.Wisniewski@amu.edu.pl Wstęp do filozofii Materiały do wykładu 2015/2016 Dwa zagadnienia źródła poznania
Bardziej szczegółowoMIND-BODY PROBLEM. i nowe nadzieje dla chrześcijańskiej antropologii
MIND-BODY PROBLEM i nowe nadzieje dla chrześcijańskiej antropologii CZŁOWIEK JEST MASZYNĄ (THOMAS HOBBES) Rozumienie człowieka znacząco zmienia się wraz z nastaniem epoki nowożytnej. Starożytne i średniowieczne
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych, moduł kierunkowy oólny Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK
Bardziej szczegółowoOpis efektów uczenia się dla kwalifikacji na poziomie 7 Polskiej Ramy Kwalifikacji
Załącznik nr 2 do Uchwały nr 103/2018-2019 Senatu UP w Lublinie z dnia 28 czerwca 2019 r. Opis efektów uczenia się dla kierunku studiów Nazwa kierunku studiów: Biologia Poziom: studia drugiego stopnia
Bardziej szczegółowoPodstawy teorii ewolucji. Informacja i ewolucja
Podstawy teorii ewolucji Informacja i ewolucja Informacje Kontakt: Paweł Golik Instytut Genetyki i Biotechnologii, Pawińskiego 5A pgolik@igib.uw.edu.pl Informacje, materiały: http://www.igib.uw.edu.pl/
Bardziej szczegółowoMETODA PROJEKTÓW NA TLE DYDAKTYKI KONSTRUKTYWISTYCZNEJ
Przygotowano w ramach projektu Szkoła dla środowiska Dr hab. Astrid Męczkowska-Christiansen, prof. AMW METODA PROJEKTÓW NA TLE DYDAKTYKI KONSTRUKTYWISTYCZNEJ DYDAKTYKA KONSTRUKTYWISTYCZNA A DYDAKTYKA BEHAWIORALNA
Bardziej szczegółowoProces badawczy schemat i zasady realizacji
Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 14 grudnia 2014 Metodologia i metoda badawcza Metodologia Zadania metodologii Metodologia nauka
Bardziej szczegółowoWykład 1. zagadnienia ogólne. dr Marek Binder Zakład Psychofizjologii
Wykład 1 zagadnienia ogólne dr Marek Binder Zakład Psychofizjologii Lektura obowiązkowa James W. Kalat Biologiczne podstawy psychologii Wydawnictwo Naukowe PWN 2 Podręcznik do neuroanatomii Olgierd Narkiewicz
Bardziej szczegółowoPamięć i uczenie się Behawioryzm. Uczenie się jako wytwarzanie odruchów warunkowych
Pamięć i uczenie się Behawioryzm. Uczenie się jako wytwarzanie odruchów warunkowych W 2 dr Łukasz Michalczyk 1 behawioryzm to kierunek psychologii skupiający się na badaniu zachowania, o r a z pomijaniu
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA
WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Kierunek studiów: INFORMATYKA Stopień studiów: STUDIA I STOPNIA Obszar Wiedzy/Kształcenia: OBSZAR NAUK TECHNICZNYCH Obszar nauki: DZIEDZINA NAUK TECHNICZNYCH Dyscyplina
Bardziej szczegółowoProces badawczy schemat i zasady realizacji
Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 23 października 2016 Metodologia i metoda naukowa 1 Metodologia Metodologia nauka o metodach nauki
Bardziej szczegółowoStrategie ewolucyjne (ang. evolu4on strategies)
Strategie ewolucyjne (ang. evolu4on strategies) Strategia ewolucyjna (1+1) W Strategii Ewolucyjnej(1 + 1), populacja złożona z jednego osobnika generuje jednego potomka. Kolejne (jednoelementowe) populacje
Bardziej szczegółowoSztuczna 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
Bardziej szczegółowoPodstawy teorii ewolucji. Informacja i ewolucja
Podstawy teorii ewolucji Informacja i ewolucja Podręczniki 2 Dla zainteresowanych http://wps.prenhall.com/esm_freeman_evol_4/ 3 Informacje Kontakt: Paweł Golik Instytut Genetyki i Biotechnologii, Pawińskiego
Bardziej szczegółowoInżynieria danych I stopień Praktyczny Studia stacjonarne Wszystkie specjalności Katedra Inżynierii Produkcji Dr Małgorzata Lucińska
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 205/206 Z-ID-602 Wprowadzenie do uczenia maszynowego Introduction to Machine Learning
Bardziej szczegółowoAlgorytmy genetyczne
Algorytmy genetyczne Motto: Zamiast pracowicie poszukiwać najlepszego rozwiązania problemu informatycznego lepiej pozwolić, żeby komputer sam sobie to rozwiązanie wyhodował! Algorytmy genetyczne służą
Bardziej szczegółowoWstęp do kognitywistyki. Wykład 5: Rewolucja kognitywna?
Wstęp do kognitywistyki Wykład 5: Rewolucja kognitywna? Schizma dwie metodologie, dwa obszary zainteresowań: adaptacja i życie znaczenie i umysł interpretacja celu, miejsce znaczenia ciało i umysł: te
Bardziej szczegółowoMetody przeszukiwania
Metody przeszukiwania Co to jest przeszukiwanie Przeszukiwanie polega na odnajdywaniu rozwiązania w dyskretnej przestrzeni rozwiązao. Zwykle przeszukiwanie polega na znalezieniu określonego rozwiązania
Bardziej szczegółowoAlgorytmy genetyczne. Materiały do laboratorium PSI. Studia stacjonarne i niestacjonarne
Algorytmy genetyczne Materiały do laboratorium PSI Studia stacjonarne i niestacjonarne Podstawowy algorytm genetyczny (PAG) Schemat blokowy algorytmu genetycznego Znaczenia, pochodzących z biologii i genetyki,
Bardziej szczegółowoGENETYKA POPULACJI. Ćwiczenia 3 Biologia I MGR
GENETYKA POPULACJI Ćwiczenia 3 Biologia I MGR Heterozygotyczność Rozpatrując różnorodność genetyczną w populacjach o układzie hierarchicznym zauważamy, że najwyższy poziom heterozygotyczności zawsze występuje
Bardziej szczegółowoBIOCYBERNETYKA 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
Bardziej szczegółowoocena dopuszczająca ocena dostateczna ocena dobra ocena bardzo dobra Dział VII. EKOLOGIA NAUKA O ŚRODOWISKU
Dział VII. EKOLOGIA NAUKA O ŚRODOWISKU wyróżnia elementy żywe i nieożywione w obserwowanym ekosystemie oblicza zagęszczenie wybranej rośliny na badanym terenie określa znaczenie wiedzy ekologicznej w życiu
Bardziej szczegółowoWYKŁAD 2: PSYCHOLOGIA POZNAWCZA JAKO NAUKA EKSPERYMENTALNA
WYKŁAD 2: PSYCHOLOGIA POZNAWCZA JAKO NAUKA EKSPERYMENTALNA Psychologia poznawcza dr Mateusz Hohol METODA NAUKOWA (1) problem badawczy (2) hipoteza (4) analiza danych (3) eksperyment (5) wniosek: potwierzenie
Bardziej szczegółowoJęzyk myśli. ang. Language of Thought, Mentalese. Dr hab. Maciej Witek Zakład Filozofii Nauki, Wydział Humanistyczny Uniwersytet Szczeciński
Dr hab. Maciej Witek Zakład Filozofii Nauki, Wydział Humanistyczny Uniwersytet Szczeciński http://mwitek.univ.szczecin.pl Język myśli ang. Language of Thought, Mentalese PLAN: I. krótko o języku myśli
Bardziej szczegółowoKRZYSZTOF WÓJTOWICZ Instytut Filozofii Uniwersytetu Warszawskiego
KRZYSZTOF WÓJTOWICZ Instytut Filozofii Uniwersytetu Warszawskiego wojtow@uw.edu.pl 1 2 1. SFORMUŁOWANIE PROBLEMU Czy są empiryczne aspekty dowodów matematycznych? Jeśli tak to jakie stanowisko filozoficzne
Bardziej szczegółowoMODELOWANIE 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/
Bardziej szczegółowoO 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
Bardziej szczegółowoProgramowanie genetyczne, gra SNAKE
STUDENCKA PRACOWNIA ALGORYTMÓW EWOLUCYJNYCH Tomasz Kupczyk, Tomasz Urbański Programowanie genetyczne, gra SNAKE II UWr Wrocław 2009 Spis treści 1. Wstęp 3 1.1. Ogólny opis.....................................
Bardziej szczegółowoWymagania edukacyjne
Rok szkolny 2018/2019 Wymagania edukacyjne Przedmiot Klasa Nauczyciel uczący Poziom biologia 1t Edyta Nowak podstawowy Ocena dopuszczająca Ocenę dopuszczającą otrzymuje uczeń, który: przyswoił treści konieczne,
Bardziej szczegółowoBliskie Spotkanie z Biologią. Genetyka populacji
Bliskie Spotkanie z Biologią Genetyka populacji Plan wykładu 1) Częstości alleli i genotypów w populacji 2) Prawo Hardy ego-weinberga 3) Dryf genetyczny 4) Efekt założyciela i efekt wąskiego gardła 5)
Bardziej szczegółowoZARZĄDZANIE POPULACJAMI ZWIERZĄT 1. RÓWNOWAGA GENETYCZNA POPULACJI. Prowadzący: dr Wioleta Drobik Katedra Genetyki i Ogólnej Hodowli Zwierząt
ZARZĄDZANIE POPULACJAMI ZWIERZĄT 1. RÓWNOWAGA GENETYCZNA POPULACJI Fot. W. Wołkow Prowadzący: dr Wioleta Drobik Katedra Genetyki i Ogólnej Hodowli Zwierząt POPULACJA Zbiór organizmów żywych, które łączy
Bardziej szczegółowow analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(), zwaną funkcją aproksymującą
Bardziej szczegółowoCogGGP - kognitywnie inspirowany agent GGP - opis architektury
CogGGP - kognitywnie inspirowany agent GGP - opis architektury C. Dendek prof nzw. dr hab. J. Mańdziuk Politechnika Warszawska, Wydział Matematyki i Nauk Informacyjnych C. Dendek, prof nzw. dr hab. J.
Bardziej szczegółowoSztuczna inteligencja stan wiedzy, perspektywy rozwoju i problemy etyczne. Piotr Bilski Instytut Radioelektroniki i Technik Multimedialnych
Sztuczna inteligencja stan wiedzy, perspektywy rozwoju i problemy etyczne Piotr Bilski Instytut Radioelektroniki i Technik Multimedialnych Plan wystąpienia Co to jest sztuczna inteligencja? Pojęcie słabej
Bardziej szczegółowoTEORIA GIER W EKONOMII. dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ
TEORIA GIER W EKONOMII dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ Informacje Ogólne (dr Robert Kowalczyk) Wykład: Poniedziałek 16.15-.15.48 (sala A428) Ćwiczenia:
Bardziej szczegółowoKsięgarnia PWN: Szymon Wróbel - Umysł, gramatyka, ewolucja
Księgarnia PWN: Szymon Wróbel - Umysł, gramatyka, ewolucja WSTĘP. MIĘDZY KRYTYKĄ A OBRONĄ ROZUMU OBLICZENIOWEGO 1. INteNCjA 2. KoMPozyCjA 3. tytuł CZĘŚĆ I. WOKÓŁ METODOLOGII ROZDZIAŁ 1. PO CZYM POZNAĆ
Bardziej szczegółowoALGORYTMY GENETYCZNE (wykład + ćwiczenia)
ALGORYTMY GENETYCZNE (wykład + ćwiczenia) Prof. dr hab. Krzysztof Dems Treści programowe: 1. Metody rozwiązywania problemów matematycznych i informatycznych.. Elementarny algorytm genetyczny: definicja
Bardziej szczegółowoInteligentne 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
Bardziej szczegółowoWymagania edukacyjne z biologii dla klasy III gimnazjum
Wymagania edukacyjne z biologii dla klasy III gimnazjum Ocena dopuszczająca otrzymuje określa zadania ekologii, ochrony środowiska i ochrony przyrody rozpoznaje po 2-3 gatunki roślin, zwierząt i grzybów
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoWYNIKI ANKIETY PRZEPROWADZONEJ WŚRÓD UCZESTNIKÓW WARSZTATÓW W DNIACH
WYNIKI ANKIETY PRZEPROWADZONEJ WŚRÓD UCZESTNIKÓW WARSZTATÓW W DNIACH 21-23.02.2017 TYTUŁ ANKIETY: Ankietę Poglądy na temat istoty nauki przeprowadzono wśród uczestników warsztatów Natura nauki i jej powiązania
Bardziej szczegółowo