Systemy Inteligentnego Przetwarzania wykład 1: sieci elementarne

HTML
DOWNLOAD

Wielkość: px

Rozpocząć pokaz od strony:

Download "Systemy Inteligentnego Przetwarzania wykład 1: sieci elementarne"

Sabina Olejniczak
6 lat temu
Przeglądów:

1 Systemy Inteligentnego Przetwarzania wykład 1: sieci elementarne Dr inż. Jacek Mazurkiewicz Katedra Informatyki Technicznej

Sprawy formalne konsultacje, p. 225 C-3: PN: 11:00 14:00, WTP: 9:00-11:00, ŚRP: 13:00-15:00 trochę slajdy: www.zsk.ict.pwr.wroc.pl trochę Wiktor Zin kolokwium: 15.01.

2 Sprawy formalne konsultacje, p. 225 C-3: PN: 11:00 14:00, WTP: 9:00-11:00, ŚRP: 13:00-15:00 trochę slajdy: trochę Wiktor Zin kolokwium: na wykładzie - SIP: wykład i projekt trzeba zaliczyć obie formy - ocena z projektu 20% oceny zaliczeniowej - zadania stwierdzające co w głowie zostało - pytanie bonusowe!

3 SIP o czym będzie na wykładzie Istota inteligentnego przetwarzania porównanie z przetwarzaniem w klasycznym komputerze von Neumana. Zbiory rozmyte i wnioskowanie przybliżone. Systemy ekspertowe - baza wiedzy i reguły wnioskowania. Organizacja systemu ekspertowego. Sieci neuronowe - pojęcia podstawowe, neurony i sieci neuronowe, algorytmy uczenia. Przykłady zastosowań. Algorytmy genetyczne - klasyczny i ewolucyjny. Przykłady zastosowań.

4 SIP o projekcie troszkę! Zastosowanie sztucznych sieci neuronowych w zagadnieniach rozpoznawania i przetwarzania obrazów, sygnałów akustycznych oraz kompresji danych - dobór typu i topologii sieci do postawionego problemu, zdefiniowanie środowiska pracy sieci, przygotowanie wzorców uczących i testowych, symulacja działania i badania zachowania sieci przy zmieniających się parametrach pracy. Wykorzystanie algorytmów genetycznych lub reguł wnioskowania systemu ekspertowego do określenia warunków początkowych pracy sieci neuronowych oraz pre- i postprocessingu danych w zagadnieniach rozpoznawania i przetwarzania sygnałów. Symulacja sieci neuronowych, algorytmów genetycznych oraz systemów ekspertowych, w analizowanych problemach wykorzystywane są następujące modele sieci neuronowych: ADALINE, dyskretna sieć HOPFIELDA, mapa cech KOHONENA, PERCEPTRON wielowarstwowy.

5 SIP literatura Hecht-Nielsen R.; Neurocomputing. Addison-Wesley Publishing Company Hertz J., Krogh A., Palmer R. G.; Wstęp do obliczeń neuronowych. WNT, Warszawa Korbicz J., Obuchowski A., Uciński D.: Sztuczne sieci neuronowe. Podstawy i zastosowania, Akademicka Oficyna Wydawnicza PLJ, Warszawa Osowski S.: Sieci neuronowe, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa Osowski S.: Sieci neuronowe w ujęciu algorytmicznym, WNT, Warszawa Mulawka J. J.; Systemy ekspertowe. WNT, Warszawa Rutkowska D., Piliński M., Rutkowski L.; Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. PWN, Warszawa - Łódź Tadeusiewicz R.; Sieci neuronowe. Akademicka Oficyna Wydawnicza RM, Warszawa Caudill M., Butler Ch.; Understanding Neural Networks: Computer Explorations. vol. 1. Basic Networks. A Bradford Book, The MIT Press Caudill M., Butler Ch.; Understanding Neural Networks: Computer Explorations. vol. 2. Advanced Networks. A Bradford Book, The MIT Press Kung S. Y.: Digital Neural Networks, PTR Prentice-Hall, Englewood Cliffs, New Jersey Tadeusiewicz R.; Problemy biocybernetyki. PWN, Warszawa Waterman D. A.; A Guide to Expert Systems. Addison-Wesley Publishing Company

6 SIP cele i efekty kształcenia CELE PRZEDMIOTU C1. Zdobycie wiedzy z zakresu sztucznych sieci neuronowych w zastosowaniu do rozpoznawania obrazów i sygnałów cyfrowych obejmująca: topologię sieci oraz znajomość wpływu parametrów pracy sieci na jej zachowanie i funkcjonowanie. C2. Zdobycie wiedzy o algorytmach genetycznych i logice rozmytej jako narzędziach pre- i postprocessingu danych. C3. Zdobycie wiedzy o systemach ekspertowych - zasadach tworzenia reguł wnioskowania i bazy wiedzy w przypadku określonych zastosowań. C4. Zdobycie umiejętności użycia środowisk projektowania, modelowania oraz symulacji systemów inteligentnego przewarzania informacji dla potrzeb rozwiązania konkretnych problemów badawczych. PRZEDMIOTOWE EFEKTY KSZTAŁCENIA Z zakresu wiedzy: PEK_W01 zna zasady i istotę inteligentnego przetwarzania informacji. PEK_W02 definiuje zbiory rozmyte, rozumie ideę wnioskowania rozmytego. PEK_W03 definiuje bazę wiedzy i reguły wnioskowania, zna budowę systemów ekspertowych. PEK_W04 zna klasyczne architektury sieci neuronowych, algorytmy uczenia i generowania odpowiedzi oraz typowe ich zastosowania. PEK_W05 zna klasyfikację, zasady opisu i implementacji, przykłady zastosowań algorytmów genetycznych. Z zakresu umiejętności: PEK_U01 potrafi posługiwać się środowiskami projektowania, modelowania oraz symulacji sztucznych sieci neuronowych i algorytmów genetycznych w zadaniu rozpoznawania obrazów i sygnałów cyfrowych. PEK_U02 potrafi posługiwać się środowiskami projektowania, modelowania oraz implementacji systemów ekspertowych w zadanych obszarach wiedzy. PEK_U03 potrafi posługiwać się środowiskami projektowania, modelowania oraz implementacji zbiorów rozmytych i wnioskowania rozmytego w zadanych obszarach wiedzy.

7 Dlaczego SIP nas bawi? Cały czas w użyciu Wtedy gdy inne podejścia zawiodą Umiejętności ludzkie a programowanie klasyczne Pracują jak prymitywny mózg ludzki Ale moc jest! ANN + Fuzzy Logic + Expert Systems + Rough Sets + Ant Algorithms = SoftComputing

8 Historia sieci neuronowych 1943 McCulloch & Pitts model sztucznego neuronu 1949 Hebb informacja zapamiętywania w sieci neuronowej 1958 Rosenblatt model perceptronu 1960 Widrow & Hoff pierwszy neurokomputer - Madaline 1969 Minsky & Papert problem XOR ograniczenia perceptronu jednowarstwowego 1986 McCleland & Rumelhart algorytm wstecznej propagacji błędu

9 Programowalne struktury logiczne (1) Rozpoznawanie obrazów, znaków, sygnałów, liter Analiza obrazów sonarowych Predykcja zużycia energii elektrycznej Symulatory i gry komputerowe Diagnostyka silników spalinowych pojazdy, samoloty Identyfikacja typów skał Wykrywacze materiałów wybuchowych

10 Realizacje sieci neuronowych Zbiór identycznych, powiązanych neuronów Sztuczny neuron na wzór neuronu biologicznego Realizacje sprzętowe Realizacje programowe - dominują Sztuczna sieć neuronowa pojęcie matematyczne Praca równoległa przynajmniej częściowo Brak programowania jest proces uczenia

11 Idea uczenia Z nauczycielem Wektor cech (dane nauki) Nauczyciel Wynik klasyfikacji Klasyfikator Bez nauczyciela Wektor cech (dane testowe) Wynik klasyfikacji Klasyfikator

12 Gdzie SIP słaby jest Ograniczenia stosowalności SIP-u są Brak miejsca dla SIP-u: operacje symboliczne: wyrażenia, równiania, itp. wymagana duża precyzja obliczeniowa SIP fajny jest, ale nie jest i nie będzie panaceum!

13 Chwilka o anatomii człowieka (1) Układ Nerwowy dwukierunkowa symetryczna grupa struktur, dzielona na 4 części: Rdzeń Kręgowy odbiór i wysyłka informacji Rdzeń Przedłużony oddychanie, krążenie, trawienie Móżdżek kontrolowanie ruchów Mózg (ok. 1.3 kg) 2 półkule czucie, myślenie, motoryka

14 Chwilka o anatomii człowieka (2)

Chwilka o anatomii człowieka (3) mózg składa się głównie z włókien charakteryzuje się dużą liczbą rozgałęzień są dwa rodzaje komórek w tkance nerwowej: komórki glejowe i neurony komórek glejowych

15 Chwilka o anatomii człowieka (3) mózg składa się głównie z włókien charakteryzuje się dużą liczbą rozgałęzień są dwa rodzaje komórek w tkance nerwowej: komórki glejowe i neurony komórek glejowych jest dużo więcej ale nie grają roli w przekazywaniu aktywności elektrycznej neuronów pełnią funkcje podporowe, odżywcze, odgraniczające i regeneracyjne są stosunkowo małe i w kształcie gwiazdy w korze mózgowej jest około 20 miliardów neuronów 100 miliardów w całym mózgu neuron składa się z 3 podstawowych elementów ciała komórki dendrytów wejść do komórki aksonu wyjścia z komórki działanie sieci neuronów średnio komórka posiada kilka tysięcy synaps

16 Chwilka o anatomii człowieka (4) kora mózgowa posiada grubość około 2 milimetrów i powierzchnię około 1.5 m 2 kora mózgowa podzielona jest na 4 anatomicznie rozróżnialne regiony, zwane płatami: - czołowy, - ciemieniowy, - skroniowy, - potyliczny każdy płat jest pofałdowany każda półkula odpowiada za procesy motoryczne i sensoryczne w przeciwstawnej połowie ciała półkule są symetryczne w strukturze, ale nie identyczne w funkcjach;

17 Chwilka o anatomii człowieka (5) działanie sieci neuronów chemiczno-elektryczne przekazywanie sygnałów w komórce generowany jest sygnał elektryczny impuls jest zamieniany na sygnał chemiczny w końcu aksonu informacje chemiczną przekazują neurotransmitery jest ich około 50 rodzajów neurony są wolne generują sygnały - kilkaset Hz.

18 Biologiczne i sztuczne sieci neuronowe sztuczne sieci neuronowe są sposobem na: testowanie zidentyfikowanych systemów biologicznych rozpoznawanie funkcji komórek zawartych w sieci generację konfiguracji sieci w celu badania ich zakresu, specyfiki i efektywności sztuczne sieci są neuronowe są osłabioną wersją sieci biologicznych biologiczne sieci neuronowe mają skomplikowane psychologiczne właściwości biologiczne sieci neuronowe posiadają zależności biologiczne neurony posiadają skomplikowane i zróżnicowane połączenia większość architektur sztucznych sieci nie jest realistyczna biologicznie reguły nauczania sztucznych sieci nie są realistyczne z punktu widzenia biologii większość biologicznych sieci neuronowych można porównać z nauczonymi sztucznymi sieciami neuronowymi, wyspecjalizowanymi w realizacji konkretnej funkcji.

Podobne dokumenty

Literatura. Sztuczne sieci neuronowe. Przepływ informacji w systemie nerwowym. Budowa i działanie mózgu

Literatura. Sztuczne sieci neuronowe. Przepływ informacji w systemie nerwowym. Budowa i działanie mózgu Literatura Wykład : Wprowadzenie do sztucznych sieci neuronowych Małgorzata Krętowska Wydział Informatyki Politechnika Białostocka Tadeusiewicz R: Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa