Wstęp do sieci neuronowych, wykład 03 Warstwy RBF, jednostka Adaline.

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wstęp do sieci neuronowych, wykład 03 Warstwy RBF, jednostka Adaline."

Transkrypt

1 Wstęp do sieci neuronowych, wykład 3 Warstwy, jednostka Adaline. Maja Czoków, Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika Projekt pn. Wzmocnienie potencjału dydaktycznego UMK w Toruniu w dziedzinach matematyczno-przyrodniczych realizowany w ramach Poddziałania.1.1 Programu Operacyjnego Kapitał Ludzki M. Czoków, J. Piersa WSN 13/1 Wykład 3

2 1 Algorytm spadku gradientowego Uczenie Adaline 3 Filtrowanie obrazów Rozpoznawanie obrazów DFT Zadania M. Czoków, J. Piersa WSN 13/1 Wykład 3

3 1 Algorytm spadku gradientowego Uczenie Adaline 3 Filtrowanie obrazów Rozpoznawanie obrazów DFT Zadania M. Czoków, J. Piersa WSN 13/1 Wykład 3

4 Idea f(x) = exp(- (x - x ) / ( sigma )) - - y x M. Czoków, J. Piersa WSN 13/1 Wykład 3

5 Norma euklidesowa f ( x) = x x = (x x ) + (y y ) y x 5 1 M. Czoków, J. Piersa WSN 13/1 Wykład 3

6 Hiperbola f (x) = a(x x ) + b(y y ) + c x y 5 1 M. Czoków, J. Piersa WSN 13/1 Wykład 3

7 Hiperbola f (x) = ( a(x x ) + b(y y ) + c ) d, d < y -5-5 x -1-1 M. Czoków, J. Piersa WSN 13/1 Wykład 3

8 Funkcja Gaussa f (x) = exp x x σ f(x) = exp(- (x - x ) / ( sigma )) x y 3 M. Czoków, J. Piersa WSN 13/1 Wykład 3

9 Funkcja liniowo-logarytmiczna f (x) = c x x ln(c x x ), c > y -5-5 x -1-1 M. Czoków, J. Piersa WSN 13/1 Wykład 3

10 Jak wykorzystać w zagadnieniach klasyfikacyjnych M. Czoków, J. Piersa WSN 13/1 Wykład 3

11 Jak wykorzystać w zagadnieniach klasyfikacyjnych out M. Czoków, J. Piersa WSN 13/1 Wykład 3

12 y Efekt x x y M. Czoków, J. Piersa WSN 13/1 Wykład 3

13 y Efekt x x y M. Czoków, J. Piersa WSN 13/1 Wykład 3

14 Algorytm spadku gradientowego Uczenie Adaline 1 Algorytm spadku gradientowego Uczenie Adaline 3 Filtrowanie obrazów Rozpoznawanie obrazów DFT Zadania M. Czoków, J. Piersa WSN 13/1 Wykład 3

15 Funkcja błędu Algorytm spadku gradientowego Uczenie Adaline M. Czoków, J. Piersa WSN 13/1 Wykład 3

16 Algorytm spadku gradientowego Algorytm spadku gradientowego Uczenie Adaline M. Czoków, J. Piersa WSN 13/1 Wykład 3

17 Postęp algorytmu Algorytm spadku gradientowego Uczenie Adaline click M. Czoków, J. Piersa WSN 13/1 Wykład 3

18 Algorytm Algorytm spadku gradientowego Uczenie Adaline click M. Czoków, J. Piersa WSN 13/1 Wykład 3

19 Wykres błędu Algorytm spadku gradientowego Uczenie Adaline 3 Error 5 Error Iterations M. Czoków, J. Piersa WSN 13/1 Wykład 3

20 Wielkość η Algorytm spadku gradientowego Uczenie Adaline p(x,y) y x M. Czoków, J. Piersa WSN 13/1 Wykład 3

21 Filtry liniowe Filtrowanie obrazów Rozpoznawanie obrazów DFT Zadania Oryginalny rysunek za M. Czoków, J. Piersa WSN 13/1 Wykład 3

22 Rozpoznawanie obrazów Filtrowanie obrazów Rozpoznawanie obrazów DFT Zadania Chcemy rozpoznawać obraz po przesunięciu, M. Czoków, J. Piersa WSN 13/1 Wykład 3

23 DFT Filtrowanie obrazów Rozpoznawanie obrazów DFT Zadania obraz DFT obraz DFT M. Czoków, J. Piersa WSN 13/1 Wykład 3

24 DFT Filtrowanie obrazów Rozpoznawanie obrazów DFT Zadania DFT 1 log(dft) M. Czoków, J. Piersa WSN 13/1 Wykład 3

25 DFT Filtrowanie obrazów Rozpoznawanie obrazów DFT Zadania DFT 1 log(dft) M. Czoków, J. Piersa WSN 13/1 Wykład 3

26 DFT Filtrowanie obrazów Rozpoznawanie obrazów DFT Zadania out M. Czoków, J. Piersa WSN 13/1 Wykład 3

Wstęp do sieci neuronowych, wykład 03 Warstwy RBF, jednostka Adaline.

Wstęp do sieci neuronowych, wykład 03 Warstwy RBF, jednostka Adaline. Wstęp do sieci neuronowych, wykład 3 Warstwy, jednostka Adaline. Maja Czoków, Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 211-1-18 1 Pomysł Przykłady Zastosowanie 2

Bardziej szczegółowo

Wstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa.

Wstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa. Wstęp do sieci neuronowych, wykład 2 Perceptrony c.d. Maszyna liniowa. Maja Czoków, Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 213-1-15 Projekt pn. Wzmocnienie potencjału

Bardziej szczegółowo

Wstęp do sieci neuronowych laboratorium 01 Organizacja zajęć. Perceptron prosty

Wstęp do sieci neuronowych laboratorium 01 Organizacja zajęć. Perceptron prosty Wstęp do sieci neuronowych laboratorium 01 Organizacja zajęć. Perceptron prosty Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2012-10-03 Projekt pn. Wzmocnienie potencjału

Bardziej szczegółowo

Wstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa.

Wstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa. Wstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa. Maja Czoków, Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2012-10-10 Projekt pn. Wzmocnienie

Bardziej szczegółowo

Elektroniczne materiały dydaktyczne do przedmiotu Wstęp do Sieci Neuronowych

Elektroniczne materiały dydaktyczne do przedmiotu Wstęp do Sieci Neuronowych Elektroniczne materiały dydaktyczne do przedmiotu Wstęp do Sieci Neuronowych Maja Czoków, Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2011-12-21 Koncepcja kursu Koncepcja

Bardziej szczegółowo

Uniwersalne Środowisko Nauczania (USN) formy wsparcia dla studentów niepełnosprawnych

Uniwersalne Środowisko Nauczania (USN) formy wsparcia dla studentów niepełnosprawnych Uniwersalne Środowisko Nauczania (USN) formy wsparcia dla studentów niepełnosprawnych Projekt pn. Wzmocnienie potencjału dydaktycznego UMK w Toruniu w dziedzinach matematyczno-przyrodniczych realizowany

Bardziej szczegółowo

Wstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa.

Wstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa. Wstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa. Maja Czoków, Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2011-10-11 1 Modelowanie funkcji logicznych

Bardziej szczegółowo

Tryb i zasady przyznawania Stypendium Wypłata Stypendium Postanowienia ko cowe

Tryb i zasady przyznawania Stypendium Wypłata Stypendium Postanowienia ko cowe Regulamin przyznawania doktoranckich stypendiów naukowych uczestnikom Interdyscyplinarnych Studiów Doktoranckich Matematyczno-Przyrodniczych na Uniwersytecie Mikołaja Kopernika w Toruniu Postanowienia

Bardziej szczegółowo

Uczenie sieci neuronowych i bayesowskich

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

Bardziej szczegółowo

Wstęp do sieci neuronowych, wykład 10 Sieci rekurencyjne. Autoasocjator Hopfielda

Wstęp do sieci neuronowych, wykład 10 Sieci rekurencyjne. Autoasocjator Hopfielda Wstęp do sieci neuronowych, wykład 10. Maja Czoków, Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2012-12-19 Projekt pn. Wzmocnienie potencjału dydaktycznego UMK w Toruniu

Bardziej szczegółowo

Nauczanie zdalne przedmiotów matematycznych

Nauczanie zdalne przedmiotów matematycznych Nauczanie zdalne przedmiotów matematycznych Joanna Karłowska-Pik Katedra Teorii Prawdopodobieństwa i Analizy Stochastycznej Wydział Matematyki i Informatyki Uniwersytet Mikołaja Kopernika w Toruniu Nauczanie

Bardziej szczegółowo

SCENARIUSZ LEKCJI. Autorzy scenariusza: Krzysztof Sauter (informatyka), Marzena Wierzchowska (matematyka)

SCENARIUSZ LEKCJI. Autorzy scenariusza: Krzysztof Sauter (informatyka), Marzena Wierzchowska (matematyka) SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Moduł interdyscyplinarny:

Bardziej szczegółowo

Nowoczesne metody nauczania przedmiotów ścisłych

Nowoczesne metody nauczania przedmiotów ścisłych Nowoczesne metody nauczania przedmiotów ścisłych Bartosz Ziemkiewicz Wydział Matematyki i Informatyki UMK, Toruń 14 VI 2012 Bartosz Ziemkiewicz Nowoczesne metody nauczania... 1/14 Zdalne nauczanie na UMK

Bardziej szczegółowo

Algorytmy stochastyczne, wykład 07 Parametryczne systemy

Algorytmy stochastyczne, wykład 07 Parametryczne systemy Algorytmy stochastyczne, wykład 07 Parametryczne systemy Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2014-04-03 polecenia mogą przyjmować argumenty np: F (10) naprzód

Bardziej szczegółowo

Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta

Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta www.michalbereta.pl Sieci radialne zawsze posiadają jedną warstwę ukrytą, która składa się z neuronów radialnych. Warstwa wyjściowa składa

Bardziej szczegółowo

TEMAT: PRZEKSZTAŁCENIA WYKRESÓW FUNKCJI PRZESUNIĘCIE O WEKTOR

TEMAT: PRZEKSZTAŁCENIA WYKRESÓW FUNKCJI PRZESUNIĘCIE O WEKTOR TEMAT: PRZEKSZTAŁCENIA WYKRESÓW FUNKCJI PRZESUNIĘCIE O WEKTOR W układzie współrzędnych zaznaczmy dowolny punkt A = (x, y) oraz wektor u r = [p, q]. Po przesunięciu punktu A o wektor u r otrzymamy punkt

Bardziej szczegółowo

6) VI edycja termin składania wniosków upływa 15 lutego 2015.

6) VI edycja termin składania wniosków upływa 15 lutego 2015. Regulamin przyznawania środków na pokrycie kosztów udziału uczestników Interdyscyplinarnych Studiów Doktoranckich Matematyczno-Przyrodniczych w konferencjach i szkoleniach Postanowienia ogólne 1 Regulamin

Bardziej szczegółowo

OBWIESZCZENIE Nr 1. Rektora Uniwersytetu Mikołaja Kopernika w Toruniu. z dnia 6 maja 2015 r.

OBWIESZCZENIE Nr 1. Rektora Uniwersytetu Mikołaja Kopernika w Toruniu. z dnia 6 maja 2015 r. BIULETYN PRAWNY UNIWERSYTETU MIKOŁAJA KOPERNIKA W TORUNIU Rok 2015; poz. 139 OBWIESZCZENIE Nr 1 Rektora Uniwersytetu Mikołaja Kopernika w Toruniu z dnia 6 maja 2015 r. w sprawie wysokości czesnego za drugi

Bardziej szczegółowo

Studia pierwszego stopnia (nabycie kwalifikacji do II etapu edukacyjnego) Formy zajęć, liczba godzin zajęć

Studia pierwszego stopnia (nabycie kwalifikacji do II etapu edukacyjnego) Formy zajęć, liczba godzin zajęć Załącznik do zarządzenie nr 64 Rektora UMK z dnia maja 0 r. Model kształcenia nauczycieli na studiach wyższych w Uniwersytecie Mikołaja Kopernika w Toruniu Studia pierwszego stopnia (nabycie kwalifikacji

Bardziej szczegółowo

Postanowienia ogólne. 4 Wysokość Stypendium wynosi zł miesięcznie.

Postanowienia ogólne. 4 Wysokość Stypendium wynosi zł miesięcznie. Załącznik do zarządzenia Nr 127 Rektora UMK z dnia 4 listopada 2010 r. Regulamin przyznawania stypendiów motywacyjnych za wyniki w nauce na studiach odbywanych w ramach realizowanego przez Wydział Matematyki

Bardziej szczegółowo

ZARZĄDZENIE Nr 38. Rektora Uniwersytetu Mikołaja Kopernika w Toruniu. z dnia 15 kwietnia 2009 r.

ZARZĄDZENIE Nr 38. Rektora Uniwersytetu Mikołaja Kopernika w Toruniu. z dnia 15 kwietnia 2009 r. UNIWERSYTET MIKOŁAJA KOPERNIKA W TORUNIU ZARZĄDZENIE Nr 38 Rektora Uniwersytetu Mikołaja Kopernika w Toruniu z dnia 15 kwietnia 2009 r. w sprawie harmonogramu postępowania rekrutacyjnego na I rok studiów

Bardziej szczegółowo

Regulamin konkursu na interdyscyplinarne wykłady dodatkowe proponowane jako oferta dydaktyczna dla uczestników ISDM-P

Regulamin konkursu na interdyscyplinarne wykłady dodatkowe proponowane jako oferta dydaktyczna dla uczestników ISDM-P Regulamin konkursu na interdyscyplinarne wykłady dodatkowe proponowane jako oferta dydaktyczna dla uczestników ISDM-P 1 Postanowienia ogólne 1. Regulamin określa zasady wyłaniania najlepszych propozycji

Bardziej szczegółowo

SCENARIUSZ LEKCJI: TEMAT LEKCJI: Postać kanoniczna funkcji kwadratowej. Interpretacja danych w arkuszu kalkulacyjnym

SCENARIUSZ LEKCJI: TEMAT LEKCJI: Postać kanoniczna funkcji kwadratowej. Interpretacja danych w arkuszu kalkulacyjnym Autorzy scenariusza: SCENARIUSZ LEKCJI: OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH

Bardziej szczegółowo

Sieci neuronowe w Statistica

Sieci neuronowe w Statistica http://usnet.us.edu.pl/uslugi-sieciowe/oprogramowanie-w-usk-usnet/oprogramowaniestatystyczne/ Sieci neuronowe w Statistica Agnieszka Nowak - Brzezińska Podstawowym elementem składowym sztucznej sieci neuronowej

Bardziej szczegółowo

Programowanie I C / C++ laboratorium 03 arytmetyka, operatory

Programowanie I C / C++ laboratorium 03 arytmetyka, operatory Programowanie I C / C++ laboratorium 03 arytmetyka, operatory Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2013-02-19 Typ znakowy Typ znakowy Typ wyliczeniowy # include

Bardziej szczegółowo

UNIWERSYTET MIKOŁAJA KOPERNIKA W TORUNIU. Rektora Uniwersytetu Mikołaja Kopernika w Toruniu. z dnia 17 grudnia 2013 r.

UNIWERSYTET MIKOŁAJA KOPERNIKA W TORUNIU. Rektora Uniwersytetu Mikołaja Kopernika w Toruniu. z dnia 17 grudnia 2013 r. UNIWERSYTET MIKOŁAJA KOPERNIKA W TORUNIU ZARZĄDZENIE Nr 191 Rektora Uniwersytetu Mikołaja Kopernika w Toruniu z dnia 17 grudnia 2013 r. Regulamin przyznawania stypendiów motywacyjnych za wyniki w nauce

Bardziej szczegółowo

Uprawnieni do przyjęcia na studia z pominięciem postępowania rekrutacyjnego laureaci lub finaliści. kierunek/ specjalność studiów

Uprawnieni do przyjęcia na studia z pominięciem postępowania rekrutacyjnego laureaci lub finaliści. kierunek/ specjalność studiów Wykaz olimpiad przedmiotowych stopnia centralnego, których mogą korzystać z preferencji w procesie rekrutacji na I rok studiów w Uniwersytecie Szczecińskim w latach 2009-2011. Lp. Nazwa olimpiady Uprawnieni

Bardziej szczegółowo

Metody numeryczne. materiały do wykładu dla studentów

Metody numeryczne. materiały do wykładu dla studentów Metody numeryczne materiały do wykładu dla studentów Autorzy: Maria Kosiorowska Marta Kornafel Grzegorz Kosiorowski Grzegorz Szulik Sebastian Baran Jakub Bielawski Materiały przygotowane w ramach projektu

Bardziej szczegółowo

Przedmiotowe Ocenianie Z Matematyki - Technikum. obowiązuje w roku szkolnym 2016 / 2017

Przedmiotowe Ocenianie Z Matematyki - Technikum. obowiązuje w roku szkolnym 2016 / 2017 Przedmiotowe Ocenianie Z Matematyki - Technikum obowiązuje w roku szkolnym 2016 / 2017 1. Rok szkolny dzieli się na dwa semestry. Każdy semestr kończy się klasyfikacją. 2. Na początku roku szkolnego informuję

Bardziej szczegółowo

Rozpoznawanie Twarzy i Systemy Biometryczne

Rozpoznawanie Twarzy i Systemy Biometryczne Filtry Plan wykładu Przegląd dostępnych filtrów Zastosowanie filtrów na różnych etapach pracy systemu Dalsze badania Kontrast i ostrość Kontrast różnica w kolorze i świetle między częściami ś i obrazu

Bardziej szczegółowo

Podstawy nauk przyrodniczych Matematyka Wstęp

Podstawy nauk przyrodniczych Matematyka Wstęp Podstawy nauk przyrodniczych Matematyka Wstęp Katarzyna Kluzek i Adrian Silesian Zakład Genetyki Molekularnej Człowieka tel. 61 829 58 33 adrian.silesian@amu.edu.pl katarzyna.kluzek@amu.edu.pl Pokój 1.117

Bardziej szczegółowo

Sieci neuronowe w Statistica. Agnieszka Nowak - Brzezioska

Sieci neuronowe w Statistica. Agnieszka Nowak - Brzezioska Sieci neuronowe w Statistica Agnieszka Nowak - Brzezioska Podstawowym elementem składowym sztucznej sieci neuronowej jest element przetwarzający neuron. Schemat działania neuronu: x1 x2 w1 w2 Dendrites

Bardziej szczegółowo

ZARZADZENIE Nr 76. Rektora Uniwersytetu Mikołaja Kopernika w Toruniu. z dnia 28 kwietnia 2014 r.

ZARZADZENIE Nr 76. Rektora Uniwersytetu Mikołaja Kopernika w Toruniu. z dnia 28 kwietnia 2014 r. UNIWERSYTET MIKOŁAJA KOPERNIKA W TORUNIU ZARZADZENIE Nr 76 Rektora Uniwersytetu Mikołaja Kopernika w Toruniu z dnia 28 kwietnia 2014 r. w sprawie harmonogramu postępowania rekrutacyjnego na I rok studiów

Bardziej szczegółowo

Diagnostyka obrazowa

Diagnostyka obrazowa Diagnostyka obrazowa Ćwiczenie szóste Transformacje obrazu w dziedzinie częstotliwości 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z podstawowymi przekształceniami

Bardziej szczegółowo

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Materiały dydaktyczne na zajęcia wyrównawcze z matematyki dla studentów pierwszego roku kierunku zamawianego Inżynieria Środowiska w ramach projektu Era inżyniera pewna lokata na przyszłość Projekt Era

Bardziej szczegółowo

UMOWY ZAWARTE W RAMACH KONKURSU DLA PODDZIAŁANIA 4.1.2 PROGRAMU OPERACYJNEGO KAPITAŁ LUDZKI. konkurs nr 1/POKL/4.1.2/2009

UMOWY ZAWARTE W RAMACH KONKURSU DLA PODDZIAŁANIA 4.1.2 PROGRAMU OPERACYJNEGO KAPITAŁ LUDZKI. konkurs nr 1/POKL/4.1.2/2009 UMOWY ZAWARTE W RAMACH KONKURSU DLA PODDZIAŁANIA 4.1.2 PROGRAMU OPERACYJNEGO KAPITAŁ LUDZKI konkurs nr 1/POKL/4.1.2/2009 LP. NAZWA UCZELNI Tytuł projektu PUNKTY DOFINANSOWANIE DATA ZAWARCIA UMOWY 1 Akademia

Bardziej szczegółowo

Kalendarz roku szkolnego 2016/2017 Zespół Szkół nr 1 w Toruniu

Kalendarz roku szkolnego 2016/2017 Zespół Szkół nr 1 w Toruniu Kalendarz roku szkolnego 2016/2017 Zespół Szkół nr 1 w Toruniu 1. 01.09.2016 r. rozpoczęcie rocznych zajęć dydaktyczno-wychowawczych; 2. 13.09.2016 r. zebrania z rodzicami; 3. 14.10.2016 r. Dzień Edukacji

Bardziej szczegółowo

Uczenie sieci typu MLP

Uczenie sieci typu MLP Uczenie sieci typu MLP Przypomnienie budowa sieci typu MLP Przypomnienie budowy neuronu Neuron ze skokową funkcją aktywacji jest zły!!! Powszechnie stosuje -> modele z sigmoidalną funkcją aktywacji - współczynnik

Bardziej szczegółowo

Postanowienia ogólne. Wysokość Stypendium wynosi 1 000 zł miesięcznie.

Postanowienia ogólne. Wysokość Stypendium wynosi 1 000 zł miesięcznie. Regulamin przyznawania stypendiów motywacyjnych na studiach odbywanych w ramach realizowanego przez Wydział Fizyki, Astronomii i Informatyki Stosowanej projektu konkursowego WEKTOR Wzrost Efektywności

Bardziej szczegółowo

Fuzja sygnałów i filtry bayesowskie

Fuzja sygnałów i filtry bayesowskie Fuzja sygnałów i filtry bayesowskie Roboty Manipulacyjne i Mobilne dr inż. Janusz Jakubiak Katedra Cybernetyki i Robotyki Wydział Elektroniki, Politechnika Wrocławska Wrocław, 10.03.2015 Dlaczego potrzebna

Bardziej szczegółowo

Zastosowania sieci neuronowych

Zastosowania sieci neuronowych Zastosowania sieci neuronowych aproksymacja LABORKA Piotr Ciskowski zadanie 1. aproksymacja funkcji odległość punktów źródło: Żurada i in. Sztuczne sieci neuronowe, przykład 4.4, str. 137 Naucz sieć taką

Bardziej szczegółowo

SCENARIUSZ TEMATYCZNY. Wykresy funkcji homograficznej - rozwiązywanie przy pomocy komputera (poziom podstawowy i rozszerzony)

SCENARIUSZ TEMATYCZNY. Wykresy funkcji homograficznej - rozwiązywanie przy pomocy komputera (poziom podstawowy i rozszerzony) Autorzy scenariusza: SCENARIUSZ TEMATYCZNY OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH

Bardziej szczegółowo

Nierówności symetryczne

Nierówności symetryczne Nierówności symetryczne Andrzej Nowicki Uniwersytet Mikołaja Kopernika, Wydział Matematyki i Informatyki, ul Chopina 1 18, 87 100 Toruń (e-mail: anow@matunitorunpl) Sierpień 1995 Wstęp Jeśli x, y, z, t

Bardziej szczegółowo

Wprowadzenie do Sieci Neuronowych lista zadań 1

Wprowadzenie do Sieci Neuronowych lista zadań 1 Wprowadzenie do Sieci Neuronowych lista zadań 1 Maja Czoków, Jarosław Piersa 2010-10-04 1 Zasadyzaliczania 1.1 Oceny Zaliczenie laboratoriów na podstawie implementowania omawianych algorytmów. Każde zadanie

Bardziej szczegółowo

Zintegrowana teoria autyzmu Obliczenia płynowe w modelo

Zintegrowana teoria autyzmu Obliczenia płynowe w modelo Zintegrowana teoria autyzmu Instytut Informatyki Uniwersytet Marii Curie-Skłodowskiej w Lublinie gmwojcik@gmail.com, Google: gmwojcik INCF 2011 Warszawa, 16 grudnia 2011 1 Spektrum autyzmu - zintegrowana

Bardziej szczegółowo

ELEMENTY ANALIZY NUMERYCZNEJ ELEMENTY ANALIZY NUMERYCZNEJ. Egzamin pisemny zestaw 1 26 czerwca 2017 roku

ELEMENTY ANALIZY NUMERYCZNEJ ELEMENTY ANALIZY NUMERYCZNEJ. Egzamin pisemny zestaw 1 26 czerwca 2017 roku Egzamin pisemny zestaw czerwca 0 roku Imię i nazwisko:.... ( pkt.) Udowodnić, że jeśli funkcja g interpoluje funkcję f w węzłach x 0, x, K, x n, a funk- cja h interpoluje funkcję f w węzłach x, x, K, x

Bardziej szczegółowo

Techniki uczenia maszynowego nazwa przedmiotu SYLABUS

Techniki uczenia maszynowego nazwa przedmiotu SYLABUS Techniki uczenia maszynowego nazwa SYLABUS Obowiązuje od cyklu kształcenia: 2014/20 Część A. Informacje ogólne Elementy składowe sylabusu Nazwa jednostki prowadzącej studiów Poziom kształcenia Profil studiów

Bardziej szczegółowo

Wstęp do sieci neuronowych, wykład 13-14, Walidacja jakości uczenia. Metody statystyczne.

Wstęp do sieci neuronowych, wykład 13-14, Walidacja jakości uczenia. Metody statystyczne. Wstęp do sieci neuronowych, wykład 13-14,. Metody statystyczne. M. Czoków, J. Piersa Faculty of Mathematics and Computer Science, Nicolaus Copernicus University, Toruń, Poland 2011.01.11 1 Przykład Przeuczenie

Bardziej szczegółowo

Inżynieria Wiedzy i Systemy Ekspertowe. Logika rozmyta. dr inż. Michał Bereta Politechnika Krakowska

Inżynieria Wiedzy i Systemy Ekspertowe. Logika rozmyta. dr inż. Michał Bereta Politechnika Krakowska Inżynieria Wiedzy i Systemy Ekspertowe Logika rozmyta dr inż. Michał Bereta Politechnika Krakowska http://torus.uck.pk.edu.pl/~beretam/ beretam@torus.uck.pk.edu.pl 1 Wyostrzanie Ostateczna, ostra wartość

Bardziej szczegółowo

BIOCYBERNETYKA SIECI NEURONOWE. Akademia Górniczo-Hutnicza. Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej.

BIOCYBERNETYKA SIECI NEURONOWE. Akademia Górniczo-Hutnicza. Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej. Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej BIOCYBERNETYKA Adrian Horzyk SIECI NEURONOWE www.agh.edu.pl Mózg inspiruje nas od wieków Co takiego

Bardziej szczegółowo

8. Neuron z ciągłą funkcją aktywacji.

8. Neuron z ciągłą funkcją aktywacji. 8. Neuron z ciągłą funkcją aktywacji. W tym ćwiczeniu zapoznamy się z modelem sztucznego neuronu oraz przykładem jego wykorzystania do rozwiązywanie prostego zadania klasyfikacji. Neuron biologiczny i

Bardziej szczegółowo

Edukacyjna Wartość Dodana

Edukacyjna Wartość Dodana Edukacyjna Wartość Dodana RAPORT EWD ZA ROK SZKOLNY 2013/2014 Gimnazjum nr 7 im. Konstytucji 3 Maja Opracowała: Marzena Mrzygłód Koszalin, 5 września 2014 r. 1. Wyniki absolwentów ze sprawdzianu po szkole

Bardziej szczegółowo

Regulamin zwalniania uczniów z zajęć edukacyjnych

Regulamin zwalniania uczniów z zajęć edukacyjnych Zespół Szkół Uniwersytetu Mikołaja Kopernika Regulamin zwalniania uczniów z zajęć edukacyjnych Toruń 2015 1 1 1. Uczeń może być zwolniony z zajęć wychowania fizycznego. 2. Zwolnienia ucznia dokonuje dyrektor

Bardziej szczegółowo

Lider projektu Uniwersytet Mikołaja Kopernika w Toruniu Partner Gmina Miasta Toruń

Lider projektu Uniwersytet Mikołaja Kopernika w Toruniu Partner Gmina Miasta Toruń Lider projektu Uniwersytet Mikołaja Kopernika w Toruniu Partner Gmina Miasta Toruń Program operacyjny RPKP Regionalny Program Operacyjny Województwa Kujawsko- Pomorskiego na lata 2014-2020 Oś priorytetowa

Bardziej szczegółowo

Funkcje wielu zmiennych (wykład 14; )

Funkcje wielu zmiennych (wykład 14; ) Funkcje wielu zmiennych (wykład 14; 15.01.07) Przestrzeń dwuwymiarowa, oznaczana w literaturze matematycznej symbolem R 2, może być utożsamiona z parami liczb rzeczywistych: R 2 = {(x 1, x 2 ), x 1, x

Bardziej szczegółowo

Podstawy OpenCL część 2

Podstawy OpenCL część 2 Podstawy OpenCL część 2 1. Napisz program dokonujący mnożenia dwóch macierzy w wersji sekwencyjnej oraz OpenCL. Porównaj czasy działania obu wersji dla różnych wielkości macierzy, np. 16 16, 128 128, 1024

Bardziej szczegółowo

Literatura podstawowa

Literatura podstawowa 1 Wstęp Literatura podstawowa 1. Grażyna Kwiecińska: Matematyka : kurs akademicki dla studentów nauk stosowanych. Cz. 1, Wybrane zagadnienia algebry liniowej, Wydaw. Uniwersytetu Gdańskiego, Gdańsk, 2003.

Bardziej szczegółowo

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Spis treści Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp Bardzo często interesujący

Bardziej szczegółowo

Wybór modelu i ocena jakości klasyfikatora

Wybór modelu i ocena jakości klasyfikatora Wybór modelu i ocena jakości klasyfikatora Błąd uczenia i błąd testowania Obciążenie, wariancja i złożoność modelu (klasyfikatora) Dekompozycja błędu testowania Optymizm Estymacja błędu testowania AIC,

Bardziej szczegółowo

SIECI NEURONOWE Liniowe i nieliniowe sieci neuronowe

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

Bardziej szczegółowo

Kup książkę Poleć książkę Oceń książkę. Księgarnia internetowa Lubię to!» Nasza społeczność

Kup książkę Poleć książkę Oceń książkę. Księgarnia internetowa Lubię to!» Nasza społeczność Kup książkę Poleć książkę Oceń książkę Księgarnia internetowa Lubię to!» Nasza społeczność Spis treści WSTĘP 5 ROZDZIAŁ 1. Matematyka Europejczyka. Program nauczania matematyki w szkołach ponadgimnazjalnych

Bardziej szczegółowo

Przedmiotowe Ocenianie Z Matematyki Liceum Ogólnokształcące obowiązuje w roku szkolnym 2016 / 2017

Przedmiotowe Ocenianie Z Matematyki Liceum Ogólnokształcące obowiązuje w roku szkolnym 2016 / 2017 Przedmiotowe Ocenianie Z Matematyki Liceum Ogólnokształcące obowiązuje w roku szkolnym 2016 / 2017 1. Rok szkolny dzieli się na dwa semestry. Każdy semestr kończy się klasyfikacją. 2. Na początku roku

Bardziej szczegółowo

(zał.10) Regulamin przyznawania tytułu Absolwent Roku

(zał.10) Regulamin przyznawania tytułu Absolwent Roku (zał.10) Regulamin przyznawania tytułu Absolwent Roku 1. Tytuł Absolwent Roku. jest najwyższym wyróżnieniem jakie może otrzymać uczeń kończący Szkołę Podstawową i Gimnazjum. 2. Kandydatem do tytułu Absolwent

Bardziej szczegółowo

SCENARIUSZ LEKCJI. Miejsca zerowe funkcji kwadratowej i ich graficzna prezentacja

SCENARIUSZ LEKCJI. Miejsca zerowe funkcji kwadratowej i ich graficzna prezentacja SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

Optymalizacja optymalizacji

Optymalizacja optymalizacji 7 maja 2008 Wstęp Optymalizacja lokalna Optymalizacja globalna Algorytmy genetyczne Badane czasteczki Wykorzystane oprogramowanie (Algorytm genetyczny) 2 Sieć neuronowa Pochodne met-enkefaliny Optymalizacja

Bardziej szczegółowo

Regresja linearyzowalna

Regresja linearyzowalna 1 z 5 2007-05-09 23:22 Medycyna Praktyczna - portal dla lekarzy Regresja linearyzowalna mgr Andrzej Stanisz z Zakładu Biostatystyki i Informatyki Medycznej Collegium Medicum UJ w Krakowie Data utworzenia:

Bardziej szczegółowo

Wstęp do sieci neuronowych, wykład 9 Sieci rekurencyjne. Autoasocjator Hopfielda

Wstęp do sieci neuronowych, wykład 9 Sieci rekurencyjne. Autoasocjator Hopfielda Wstęp do sieci neuronowych, wykład 9. M. Czoków, J. Piersa 2010-12-07 1 Sieci skierowane 2 Modele sieci rekurencyjnej Energia sieci 3 Sieci skierowane Sieci skierowane Sieci skierowane graf połączeń synaptycznych

Bardziej szczegółowo

Uchwała Nr IV / / / 2014 Sejmiku Województwa Śląskiego z dnia 2014 roku

Uchwała Nr IV / / / 2014 Sejmiku Województwa Śląskiego z dnia 2014 roku (projekt) Uchwała Nr IV / / / 2014 Sejmiku Województwa Śląskiego z dnia 2014 roku w sprawie: zmiany Regulaminu przyznawania stypendiów w ramach projektu Nauka drogą do sukcesu na Śląsku VI edycja. Na podstawie

Bardziej szczegółowo

Rozpoznawanie obrazów

Rozpoznawanie obrazów Rozpoznawanie obrazów Ćwiczenia lista zadań nr 7 autorzy: A. Gonczarek, J.M. Tomczak Przykładowe problemy Klasyfikacja binarna Dla obrazu x zaproponowano dwie cechy φ(x) = (φ 1 (x) φ 2 (x)) T. Na obrazie

Bardziej szczegółowo

HAŁASU Z UWZGLĘDNIENIEM ZJAWISK O CHARAKTERZE NIELINIOWYM

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

Bardziej szczegółowo

Przetwarzanie i Kompresja Obrazów. Filtracja

Przetwarzanie i Kompresja Obrazów. Filtracja Przetwarzanie i Kompresja Obrazów. acja Aleksander Denisiuk(denisjuk@pja.edu.pl) Polsko-Japońska Akademia Technik Komputerowych Wydział Informatyki w Gdańsku ul. Brzegi 55, 80-045 Gdańsk 7 kwietnia 206

Bardziej szczegółowo

Postanowienia ogólne. Wysokość Stypendium wynosi zł miesięcznie.

Postanowienia ogólne. Wysokość Stypendium wynosi zł miesięcznie. Regulamin przyznawania stypendiów motywacyjnych za wyniki w nauce na studiach odbywanych w ramach realizowanego przez Wydział Biologii i Nauk o Ziemi Uniwersytetu Mikołaja Kopernika w Toruniu projektu

Bardziej szczegółowo

UWAGA!!!!! STYPENDIA NAUKOWE Nauka drogą do sukcesu na Śląsku - Projekty systemowe / Poddziałanie 9.1.3 / V edycja

UWAGA!!!!! STYPENDIA NAUKOWE Nauka drogą do sukcesu na Śląsku - Projekty systemowe / Poddziałanie 9.1.3 / V edycja UWAGA!!!!! STYPENDIA NAUKOWE Nauka drogą do sukcesu na Śląsku - Projekty systemowe / Poddziałanie 9.1.3 / V edycja od 16 września 2013 r. do 18 października 2013 r. Organizator: Urząd Marszałkowski Województwa

Bardziej szczegółowo

ZS 14 Rok szkolny 2013/2014

ZS 14 Rok szkolny 2013/2014 Edukacyjna Wartość Dodana ZS 14 Rok szkolny 2013/2014 Pojęcie: Edukacyjna wartość dodana Edukacyjną wartość dodaną można zdefiniować jako przyrost wiedzy uczniów w wyniku danego procesu edukacyjnego. Innymi

Bardziej szczegółowo

Spośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy prosty i skuteczny.

Spośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy prosty i skuteczny. Filtracja nieliniowa może być bardzo skuteczną metodą polepszania jakości obrazów Filtry nieliniowe Filtr medianowy Spośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy

Bardziej szczegółowo

Excel na lekcjach matematyki

Excel na lekcjach matematyki dr Joanna Kandzia Nauczanie matematyki przez doświadczenia i eksperymenty, wykorzystanie TIK podczas zajęć dydaktycznych Excel na lekcjach matematyki Posługiwanie się komputerem i technologią informacyjną

Bardziej szczegółowo

AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej ROZKŁAD NORMALNY ROZKŁAD GAUSSA

AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej ROZKŁAD NORMALNY ROZKŁAD GAUSSA AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej KATEDRA MATEMATYKI TEMAT PRACY: ROZKŁAD NORMALNY ROZKŁAD GAUSSA AUTOR: BARBARA MARDOSZ Kraków, styczeń 2008 Spis treści 1 Wprowadzenie 2 2 Definicja

Bardziej szczegółowo

EGZAMIN MAGISTERSKI, czerwiec 2015 Biomatematyka

EGZAMIN MAGISTERSKI, czerwiec 2015 Biomatematyka Biomatematyka Rozpatrzmy chorobę, która rozprzestrzenia się za pośrednictwem nosicieli, u których nie występują jej symptomy. Niech C(t) oznacza liczbę nosicieli w chwili t. Zakładamy, że nosiciele są

Bardziej szczegółowo

Analiza wyników egzaminów zewnętrznych z wykorzystaniem edukacyjnej wartości dodanej. Opracowana dla uczniów Gimnazjum w Jaworzu

Analiza wyników egzaminów zewnętrznych z wykorzystaniem edukacyjnej wartości dodanej. Opracowana dla uczniów Gimnazjum w Jaworzu Analiza wyników egzaminów zewnętrznych z wykorzystaniem edukacyjnej wartości dodanej. Opracowana dla uczniów Gimnazjum w Jaworzu Przyrost wyników egzaminacyjnych przyrost wiedzy Wpływ na wyniki egzaminacyjne

Bardziej szczegółowo

Bardzo łatwa lista powtórkowa

Bardzo łatwa lista powtórkowa Analiza numeryczna, II rok inf., WPPT- 12 stycznia 2008 Terminy egzaminów Przypominam, że egzaminy odbędą się w następujących terminach: egzamin podstawowy: 30 stycznia, godz. 13 15, C-13/1.31 egzamin

Bardziej szczegółowo

Algorytm Euklidesa. ZADANIE 1. Oblicz korzystając z algorytmu Euklidesa: (a) NWD(120, 195), (b) NWD(80, 208), (c) NWD(36, 60, 90),

Algorytm Euklidesa. ZADANIE 1. Oblicz korzystając z algorytmu Euklidesa: (a) NWD(120, 195), (b) NWD(80, 208), (c) NWD(36, 60, 90), Algorytm Euklidesa ZADANIE 1. Oblicz korzystając z algorytmu Euklidesa: (a) NWD(120, 195), (b) NWD(80, 208), (c) NWD(36, 60, 90), (d) NWD(120, 168, 280), (e) NWD(30, 42, 70, 105), (f) NWW[120, 195], (g)

Bardziej szczegółowo

Zagadnienia na egzamin poprawkowy z matematyki - klasa I 1. Liczby rzeczywiste

Zagadnienia na egzamin poprawkowy z matematyki - klasa I 1. Liczby rzeczywiste Zagadnienia na egzamin poprawkowy z matematyki - klasa I 1. Liczby rzeczywiste Liczby naturalne Liczby całkowite. Liczby wymierne Liczby niewymierne Rozwinięcie dziesiętne liczby rzeczywistej Pierwiastek

Bardziej szczegółowo

Kalendarz roku szkolnego 2014/2015 Zespół Szkół nr 1 w Toruniu

Kalendarz roku szkolnego 2014/2015 Zespół Szkół nr 1 w Toruniu Kalendarz roku szkolnego 2014/2015 Zespół Szkół nr 1 w Toruniu 1. 01.09.2014 r. rozpoczęcie rocznych zajęć dydaktyczno-wychowawczych 2. 02.09.2014 r. kiermasz używanych podręczników, 3. 11.09.2014 r. -

Bardziej szczegółowo

Matematyka. Poznać, zrozumieć. Zakres podstawowy Katalog wymagań programowych na poszczególne stopnie szkolne Klasa 1

Matematyka. Poznać, zrozumieć. Zakres podstawowy Katalog wymagań programowych na poszczególne stopnie szkolne Klasa 1 Matematyka. Poznać, zrozumieć. Zakres podstawowy Katalog wymagań programowych na poszczególne stopnie szkolne Klasa 1 Matematyka Poznać, zrozumieć. Zakres podstawowy Klasa 1 Liceum i technikum Katalog

Bardziej szczegółowo

Skrypt 12. Funkcja kwadratowa:

Skrypt 12. Funkcja kwadratowa: Projekt Innowacyjny program nauczania matematyki dla liceów ogólnokształcących współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego Skrypt 12 Funkcja kwadratowa: 8.

Bardziej szczegółowo

OPRACOWANIE MONIKA KASIELSKA

OPRACOWANIE MONIKA KASIELSKA KONSPEKT LEKCJI MATEMATYKI DIAGNOZA UMIEJĘTNOŚCI ZGODNYCH ZE STANDARDAMI WYMAGAŃ MATURALNYCH PRZEDMIOT : Matematyka KLASA: III TEMAT: Rozwiązywanie problemów poprzez stosowanie algorytmów. STANDARDY WYMAGAŃ

Bardziej szczegółowo

UCHWAŁA. Rady Wydziału Humanistycznego. z dnia z dnia z dnia 24 maja 2016 r. w sprawie likwidacji specjalności. uchwala się, co następuje:

UCHWAŁA. Rady Wydziału Humanistycznego. z dnia z dnia z dnia 24 maja 2016 r. w sprawie likwidacji specjalności. uchwala się, co następuje: WYDZIAŁ HUMANISTYCZNY UNIWERSYTET MIKOŁAJA KOPERNIKA W TORUNIU UCHWAŁA z dnia z dnia z dnia 24 maja 2016 r. w sprawie likwidacji specjalności Na podstawie 58 ust. 1 Statutu UMK z dnia z dnia 22.10.2013

Bardziej szczegółowo

Sztuczne sieci neuronowe Ćwiczenia. Piotr Fulmański, Marta Grzanek

Sztuczne sieci neuronowe Ćwiczenia. Piotr Fulmański, Marta Grzanek Sztuczne sieci neuronowe Ćwiczenia Piotr Fulmański, Marta Grzanek Piotr Fulmański 1 Wydział Matematyki i Informatyki, Marta Grzanek 2 Uniwersytet Łódzki Banacha 22, 90-232, Łódź Polska e-mail 1: fulmanp@math.uni.lodz.pl,

Bardziej szczegółowo

Przeszłość i przyszłość informatyki

Przeszłość i przyszłość informatyki Przeszłość i przyszłość informatyki Rodzaj zajęć: Wszechnica Popołudniowa Tytuł: Przeszłość i przyszłość informatyki Autor: prof. dr hab. Maciej M Sysło Redaktor merytoryczny: prof. dr hab. Maciej M Sysło

Bardziej szczegółowo

Sztuczne sieci neuronowe (SNN)

Sztuczne sieci neuronowe (SNN) Sztuczne sieci neuronowe (SNN) Pozyskanie informacji (danych) Wstępne przetwarzanie danych przygotowanie ich do dalszej analizy Selekcja informacji Ostateczny model decyzyjny SSN - podstawy Sieci neuronowe

Bardziej szczegółowo

Podstawy Sztucznej Inteligencji

Podstawy Sztucznej Inteligencji Politechnika Łódzka Katedra Informatyki Stosowanej Podstawy Sztucznej Inteligencji Laboratorium Ćwiczenie 2 Wykorzystanie środowiska Matlab do modelowania sztucznych sieci neuronowych Opracowali: Dr hab

Bardziej szczegółowo

ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012

ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012 ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012 OPRACOWAŁY: ANNA ANWAJLER MARZENA KACZOR DOROTA LIS 1 WSTĘP W analizie wykorzystywany będzie model szacowania EWD.

Bardziej szczegółowo

SCENARIUSZ LEKCJI. Streszczenie. Czas realizacji. Podstawa programowa

SCENARIUSZ LEKCJI. Streszczenie. Czas realizacji. Podstawa programowa SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

REGULAMIN UDZIAŁU W PROJEKCIE MATEMATYKA INTERAKTYWNE STUDIA Z PRZYSZŁOŚCIĄ

REGULAMIN UDZIAŁU W PROJEKCIE MATEMATYKA INTERAKTYWNE STUDIA Z PRZYSZŁOŚCIĄ REGULAMIN UDZIAŁU W PROJEKCIE MATEMATYKA INTERAKTYWNE STUDIA Z PRZYSZŁOŚCIĄ Gliwice 2012 tel. 32 237 13 43 1 I. Postanowienia Ogólne 1 1. Niniejszy regulamin określa warunki uczestnictwa w projekcie Matematyka

Bardziej szczegółowo

Kierunki studiów - uczelnie - studia Kierunki zamawiane w roku akademickim 2009/2010

Kierunki studiów - uczelnie - studia Kierunki zamawiane w roku akademickim 2009/2010 22 czerwca Ministerstwo Nauki i Szkolnictwa Wyższego uzyskało zgodę na zwiększenie puli środków przeznaczonych na program "kierunki zamawiane". Celem programu jest wykształcenie dodatkowo kilkudziesięciu

Bardziej szczegółowo

Algorytmy metaheurystyczne Wykład 11. Piotr Syga

Algorytmy metaheurystyczne Wykład 11. Piotr Syga Algorytmy metaheurystyczne Wykład 11 Piotr Syga 22.05.2017 Drzewa decyzyjne Idea Cel Na podstawie przesłanek (typowo zbiory rozmyte) oraz zbioru wartości w danych testowych, w oparciu o wybrane miary,

Bardziej szczegółowo

Zakres na egzaminy poprawkowe w r. szk. 2013/14 /nauczyciel M.Tatar/

Zakres na egzaminy poprawkowe w r. szk. 2013/14 /nauczyciel M.Tatar/ Zakres na egzaminy poprawkowe w r. szk. 2013/14 /nauczyciel M.Tatar/ MATEMATYKA Klasa III ZAKRES PODSTAWOWY Dział programu Temat Wymagania. Uczeń: 1. Miara łukowa kąta zna pojęcia: kąt skierowany, kąt

Bardziej szczegółowo

Sieć przesyłająca żetony CP (counter propagation)

Sieć przesyłająca żetony CP (counter propagation) Sieci neuropodobne IX, specyficzne architektury 1 Sieć przesyłająca żetony CP (counter propagation) warstwa Kohonena: wektory wejściowe są unormowane jednostki mają unormowane wektory wag jednostki są

Bardziej szczegółowo

REGULAMIN UCZESTNICTWA W PROJEKCIE Uniwersytet Mikołaja Kopernika w Europie Rozdział I. Informacje ogólne o Projekcie

REGULAMIN UCZESTNICTWA W PROJEKCIE Uniwersytet Mikołaja Kopernika w Europie Rozdział I. Informacje ogólne o Projekcie REGULAMIN UCZESTNICTWA W PROJEKCIE Uniwersytet Mikołaja Kopernika w Europie 2020 aktualizacja 17.07.2014 tekst obowiązujący Zadanie 4. Zajęcia z zakresu przedsiębiorczości Uniwersytet Mikołaja Kopernika

Bardziej szczegółowo

Postanowienia ogólne. Wysokość Stypendium wynosi zł miesięcznie.

Postanowienia ogólne. Wysokość Stypendium wynosi zł miesięcznie. Regulamin przyznawania stypendiów motywacyjnych na studiach odbywanych w ramach realizowanego przez Wydział Fizyki, Astronomii i Informatyki Stosowanej projektu konkursowego WEKTOR Wzrost Efektywności

Bardziej szczegółowo