Jak wrócić dziś do domu?
|
|
- Włodzimierz Kurowski
- 5 lat temu
- Przeglądów:
Transkrypt
1 Jak wrócić dziś do domu? GA
2 Jak bym to rozwiązał? GA
3 Jak byśmy to rozwiązali? GA
4 Optymalizacja rojem cząstek: hybrydyzacja i samoadaptacja Mateusz Uliński, Adam Żychowski, Jakub Fijałkowski, Marcin Chudy, Piotr Jastrzębski, Marcin Bogucki, Artur Niziołek, Jędrzej Krauze, Mateusz Zaborski, Hubert Kordulewski, Michał Okulewicz Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska GA
5 Plan prezentacji 1 2 Hybrydyzacja Adaptacja 3 GA
6 Definition (Problem optymalizacyjny) Problem optymalizacyjny P = (Ω, f, ) jest zdefiniowany przez przestrzeń rozwiązań Ω, funkcję jakości a f : Ω R oraz relację {<, >}. Rozwiązaniem problemu jest znalezienie zbioru elementów (elementu) X Ω spełniającego następujące warunki: X = {x Ω : x Ωf (x) f (x )} a W zależności od dziedziny funkcja jakości może być też określana jako funkcja celu lub funkcja przystosowania. Przestrzeń rozwiązań i typ problemu Podczas tej prezentacji uznajemy, że: Ω := R n (1) :=< (2) GA
7 Jaki jest najlepszy algorytm optymalizacji globalnej? Przeszukiwanie losowe? Hill climbing? Pełzający symplex (Metoda Neldera-Meada)? Metody quasi-newtonowskie (np. L-BFGS)? Algorytmy genetyczne / ewolucyjne? Inne metody populacyjne? Solvery programów liniowych (CPLEX itp.)? CMA-ES? GA
8 Jak rozwiązać wszystkie problemy jednym algorytmem? No free lunch in optimization (Wolpert and Macready, 1997) No free lunch in machine learning (Wolpert, 1996) GA
9 A zatem...? GA
10 A zatem...? Wybierzmy taki, który daje przyzwoite wyniki i umiemy go parametryzować GA
11 Optymalizacja rojem cząstek Hybrydyzacja Adaptacja Inspirowana: Reynolds (1987) Wprowadzona: Kennedy and Eberhart (1995) Usprawniana: Shi and Eberhart (1998), Porządkowana: Bratton and Kennedy (2007) Analizowana: Van Den Bergh and Engelbrecht (2010) Operatory przeszukiwania x i t+1 = x i t + vt+1. i (3) vt+1 i = ω vt i + c 1 (p i best xi t) + c 2 (neighbors i best xi t) (4) GA
12 Hybrydyzacja Adaptacja Jak dobierać jej parametry i sąsiedztwo? Prace: Cleghorn, Clerc, Engelbreht, Harrison, Poli (Harrison et al., 2017) Równanie Poli ego na zbieżność c 1 + c 2 < 24(1 ω)2 7 5ω (5) GA
13 Hybrydyzacja Adaptacja Rejon zbiżeności Poli ego GA
14 Od przybytku głowa nie boli Hybrydyzacja Adaptacja GA
15 Od przybytku głowa nie boli c.d. Hybrydyzacja Adaptacja Particle Swarm Optimization Charged Quantum Fully-Informed Swarm Local Unified Orthogonal Learning Artificial Bee Colony Bat Algorithm Cuckoo search (via Lévy flights) Dog Group Wild Chase and Hunt Drive Algorithm Eagle strategy (using Lévy walk and firefly algorithms) Firefly algorithm Glowworm swarm based optimization GA
16 Sörensen na ratunek! Hybrydyzacja Adaptacja Metaheuristics the metaphor exposed Sörensen (2015) Z polityki publikacyjnej Journal of Heuristics Proposing new paradigms is only acceptable if they contain innovative basic ideas, such as those that are embedded in classical frameworks like genetic algorithms, tabu search, and simulated annealing. The Journal of Heuristics avoids the publication of articles that repackage and embed old ideas in methods that are claimed to be based on metaphors of natural or manmade systems and processes. These so-called novel methods employ analogies that range from intelligent water drops, musicians playing jazz, imperialist societies, leapfrogs, kangaroos, all types of swarms and insects and even mine blast processes (Sörensen, 2013). GA
17 Ale co z tego wynika...? Hybrydyzacja Adaptacja Spróbujmy poszukać alternatywnego sposobu poprawy jakości działania algorytmów przez ich hybrydyzację GA
18 Spojrzenie uogólnione Hybrydyzacja Adaptacja Cząsteczki nie muszą być identyczne Każda cząsteczka ma aktualną pozycję x, prędkość v oraz najlepszą pozycję p best (a potencjalnie pełną historię) Wszystkie cząsteczki mogą mieć dostęp do x i p best innych Okulewicz (2016); Uliński et al. (2018): v i t+1 =ω v i t + c 1 (p i best xi t) N + + k=1 N k=1 particles j=1,j i particles j=1,j i I (jth N k (ith))c j,k (pj best xi t) I (jth N k (ith))c j,k (xj t x i t) (6) GA
19 Hybrydyzacja Adaptacja Inne algorytmy: Ewolucja różnicowa Wprowadzona: Storn and Price (1997) Od razu z założeniem wysokopoziomowej parametryzacji (DE/rand/1/bin, DE/best/1/bin) Operatory przeszukiwania y (i) t = x (i) t + F (x (i 2) t x (i 1) t ) (7) u i t = Bin p (x best t, y (i) t ) (8) { u i u i t = t if f (u i t) < f (x i t) (9) otherwise x i t GA
20 Hybrydyzacja Adaptacja DE jako cząstka w uogólnionym x (i,t+1) test = Bin(ωv + (p best x (i,t) test ), g best ) (10) GA
21 Hybrydyzacja Adaptacja Mój przepis na hybrydę + DE Losowe aplikowanie wzorów (4) lub DE (10) niezależnie od wcześniejszej historii danego punktu Utrzymywanie cech cząsteczki: prędkości, położenia aktualnego i najlepszego znanego GA
22 Hybrydy -DE Hybrydyzacja Adaptacja GA
23 Hybrydyzacja Adaptacja Otwartym pytaniem pozostaje sposób wyboru procentowego udziału poszczególnych rodzajów cząsteczek / zachowań Przegląd metod adaptacji przydatnych w takim wyborze: Sharma et al. (2018) W GA użyto zliczania wartości sukcesów poszczególnych rodzajów: z s t = max(0, f (ps best ) f (xs t) f (p s best ) ) (11) ẑ p t = T 1 N a S p N a Z = t=t s swarm p z s t (12) P z p (13) p [ z 1 Z, z 2 Z,..., z P Z ] (14) GA
24 Garść wyników: BBOB Hybrydyzacja Adaptacja GA
25 Garść wyników: BBOB Hybrydyzacja Adaptacja GA
26 Garść wyników: BBOB Hybrydyzacja Adaptacja GA
27 Co dalej...? GA
28 Garść wyników: BBComp 1OBJ GA
29 Garść wyników: BBComp Expensive 1OBJ GA
30 Garść wyników: BBComp Expensive 1OBJ 64D GA
31 I Daniel Bratton and James Kennedy. Defining a Standard for Particle Swarm Optimization. (Sis): , Kyle Robert Harrison, Andries P. Engelbrecht, and Beatrice M. Ombuki-Berman. An adaptive particle swarm optimization algorithm based on optimal parameter regions. In 2017 IEEE Symposium Series on Computational Intelligence (SSCI), pages 1 8. IEEE, nov ISBN doi: /SSCI URL James Kennedy and Russell C. Eberhart. Particle Swarm Optimization. Proceedings of IEEE International Conference on Neural Networks. IV, pages , GA
32 II Michał Okulewicz. Finding an Optimal Team. In Position Papers of the 2016 Federated Conference on Computer Science and Information Systems, pages , oct doi: /2016F465. URL //fedcsis.org/proceedings/2016/drp/465.html. Craig W Reynolds. Flocks, herds and schools: A distributed behavioral model. SIGGRAPH Comput. Graph., 21(4):25 34, ISSN doi: / URL Mudita Sharma, Manuel López-Ibáñez, and Dimitar Kazakov. Performance Assessment of Recursive Probability Matching for Adaptive Operator Selection in Differential Evolution. pages Springer, Cham, sep doi: / URL GA
33 III Yuhui Shi and Russell C. Eberhart. Parameter selection in particle swarm optimization. Proceedings of Evolutionary Programming VII (EP98), pages , doi: /BFb URL Kenneth Sörensen. Metaheuristics-the metaphor exposed. International Transactions in Operational Research, 22(1):3 18, ISSN doi: /itor Rainer Storn and Kenneth Price. Differential Evolution A Simple and Efficient Heuristic for global Optimization over Continuous Spaces. Journal of Global Optimization, 11(4): , ISSN doi: /A: URL GA
34 IV Mateusz Uliński, Adam Żychowski, Michał Okulewicz, Mateusz Zaborski, and Hubert Kordulewski. Generalized Self-adapting Particle Swarm Optimization Algorithm. In Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), volume 3242, pages 29 40, doi: / URL Frans Van Den Bergh and Andries Petrus Engelbrecht. A convergence proof for the particle swarm optimiser. Fundamenta Informaticae, 105 (4): , ISSN doi: /FI David H. Wolpert. The Lack of a Priori Distinctions between Learning Algorithms. Neural Computation, 8(7): , ISSN doi: /neco GA
35 V David H. Wolpert and William G. Macready. No free lunch theorems for optimization. IEEE Transactions on Evolutionary Computation, 1(1): 67 82, ISSN X. doi: / GA
O dwóch modyfikacjach algorytmu PSO
Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska Seminarium: Inteligencja Obliczeniowa 24 listopada 2011 Plan prezentacji 1 Wprowadzenie 2 3 4 5 6 Definicja problemu Wprowadzenie Definicja
Bardziej szczegółowoAlgorytmy ewolucji różnicowej (ang. differential evolution -DE) oraz roju cząstek (ang. particle swarm optimization -PSO)
Algorytmy ewolucji różnicowej (ang. differential evolution -DE) oraz roju cząstek (ang. particle swarm optimization -PSO) 1 Ewolucja różnicowa - wstęp Stosunkowo nowy (połowa lat 90tych) algorytm optymalizacji
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 17. ALGORYTMY EWOLUCYJNE Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska KODOWANIE BINARNE Problem różnych struktur przestrzeni
Bardziej szczegółowoRój cząsteczek. Particle Swarm Optimization. Adam Grycner. 18 maja Instytut Informatyki Uniwersytetu Wrocławskiego
Rój cząsteczek Particle Swarm Optimization Adam Grycner Instytut Informatyki Uniwersytetu Wrocławskiego 18 maja 2011 Adam Grycner Rój cząsteczek 1 / 38 Praca Kennedy ego i Eberhart a Praca Kennedy ego
Bardziej szczegółowoROZWÓJ ALGORYTMU EWOLUCJI RÓŻNICOWEJ. Konrad Wypchło
ROZWÓJ ALGORYTMU EWOLUCJI RÓŻNICOWEJ Konrad Wypchło Plan prezentacji 2 Elementy klasycznego algorytmu ewolucyjnego Ewolucja różnicowa DMEA i inne modyfikacje Adaptacja zasięgu mutacji (AHDMEA, SaHDMEA)
Bardziej szczegółowoAlgorytm FIREFLY. Michał Romanowicz Piotr Wasilewski
Algorytm FIREFLY Michał Romanowicz Piotr Wasilewski Struktura prezentacji 1. Twórca algorytmu 2. Inspiracja w przyrodzie 3. Algorytm 4. Zastosowania algorytmu 5. Krytyka algorytmu 6. Porównanie z PSO Twórca
Bardziej szczegółowoZastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym
Zastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym Jan Karwowski Wydział Matematyki i Nauk Informacyjnych PW 17 XII 2013 Jan Karwowski
Bardziej szczegółowoProblem eliminacji nieprzystających elementów w zadaniu rozpoznania wzorca Marcin Luckner
Problem eliminacji nieprzystających elementów w zadaniu rozpoznania wzorca Marcin Luckner Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska Elementy nieprzystające Definicja odrzucania Klasyfikacja
Bardziej szczegółowoPunkty równowagi w grach koordynacyjnych
Uniwersytet Śląski w Katowicach, Instytut Informatyki ul. Będzińska 39 41-200 Sosnowiec 9 grudnia 2014, Chorzów 1 Motywacja 2 3 4 5 6 Wnioski i dalsze badania Motywacja 1 są klasą gier, w których istnieje
Bardziej szczegółowoAlgorytm świetlika charakterystyka, własności aplikacyjne i usprawnienia
Algorytm świetlika charakterystyka, własności aplikacyjne i usprawnienia Szymon Łukasik Instytut Badań Systemowych PAN Katedra Automatyki i Technik Informacyjnych Politechniki Krakowskiej Wprowadzenie
Bardziej szczegółowodr inż. SZYMON ŁUKASIK
dr inż. SZYMON ŁUKASIK Data i miejsce urodzenia: E-mail: 22 kwietnia 1981, Szczawnica slukasik@agh.edu.pl, slukasik@ibspan.waw.pl WYKSZTAŁCENIE 04.2013-07.2013 szkolenie z zakresu zarządzania w nauce,
Bardziej szczegółowoEwolucyjne projektowanie i optymalizacja kombinacyjnych układów cyfrowych ze względu na liczbę tranzystorów
Adam Słowik Michał Białko Wydział Elektroniki i Informatyki Politechnika Koszalińska ul. JJ Śniadeckich 2, 75-453 Koszalin Ewolucyjne projektowanie i optymalizacja kombinacyjnych układów cyfrowych ze względu
Bardziej szczegółowoZastosowanie sztucznej inteligencji w testowaniu oprogramowania
Zastosowanie sztucznej inteligencji w testowaniu oprogramowania Problem NP Problem NP (niedeterministycznie wielomianowy, ang. nondeterministic polynomial) to problem decyzyjny, dla którego rozwiązanie
Bardziej szczegółowoZastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym, kontynuacja badań
Zastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym, kontynuacja badań Jan Karwowski Wydział Matematyki i Nauk Informacyjnych PW
Bardziej szczegółowoPSO Rój cząsteczek - Particle Swarm Optimization. Michał Szopiak
PSO Rój cząsteczek - Particle Swarm Optimization Michał Szopiak Inspiracje biologiczne Algorytm PSO wywodzą się z obserwacji gróp zwierzą tworzony przez członków ptasich stad, czy ławic ryb, który umożliwia
Bardziej szczegółowoSeminarium IO. Zastosowanie metody PSO w Dynamic Vehicle Routing Problem (kontynuacja) Michał Okulewicz
Seminarium IO Zastosowanie metody PSO w Dynamic Vehicle Routing Problem (kontynuacja) Michał Okulewicz 26.10.2012 Plan prezentacji Problem VRP+DR Algorytm PSO Podejścia MAPSO + 2-Opt 2-phase PSO Wyniki
Bardziej szczegółowoAlgorytm dyskretnego PSO z przeszukiwaniem lokalnym w problemie dynamicznej wersji TSP
Algorytm dyskretnego PSO z przeszukiwaniem lokalnym w problemie dynamicznej wersji TSP Łukasz Strąk lukasz.strak@gmail.com Uniwersytet Śląski, Instytut Informatyki, Będzińska 39, 41-205 Sosnowiec 9 grudnia
Bardziej szczegółowoWYKORZYSTANIE ALGORYTMÓW PSZCZELICH W PROCESIE POSZUKIWANIA MINIMUM FUNKCJI CELU
Mgr inż. Łukasz WITANOWSKI DOI: 10.17814/mechanik.2015.7.318 Dr hab. inż. Piotr LAMPART Instytut Maszyn Przepływowych PAN, Ośrodek Energetyki Cieplnej Zakład Turbin WYKORZYSTANIE ALGORYTMÓW PSZCZELICH
Bardziej szczegółowoRÓŻA GOŚCIEŃ Politechnika Wrocławska, Katedra Systemów i Sieci Komputerowych, Wydział Elektroniki, Wybrzeże Wyspiańskiego 27, 50-370 Wrocław, Polska Www: ResearchGate: Google scholar: www.kssk.pwr.edu.pl/goscien/
Bardziej szczegółowoWykorzystanie algorytmów rojowych do klasteryzacji zbioru ofert sprzedaży mieszkań Algorytmy genetyczne - Projekt
Wykorzystanie algorytmów rojowych do klasteryzacji zbioru ofert sprzedaży mieszkań Algorytmy genetyczne - Projekt Maciej Kupczak, Paweł Szołtysek Spis treści 1 Wstęp 1 2 Oferty sprzedaży mieszkań 2 3 Algorytmy
Bardziej szczegółowoObliczenia naturalne Natural Computing. Informatyka II stopień (I stopień / II stopień) ogólno akademicki (ogólno akademicki / praktyczny)
KARTA MODUŁU / KARTA PRZEDMIOTU Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013
Bardziej szczegółowoMETODY SZTUCZNEJ INTELIGENCJI algorytmy ewolucyjne
METODY SZTUCZNEJ INTELIGENCJI algorytmy ewolucyjne dr hab. inż. Andrzej Obuchowicz, prof. UZ Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski A. Obuchowicz: MSI - algorytmy ewolucyjne
Bardziej szczegółowoObliczenia Naturalne - Algorytmy rojowe
Literatura Obliczenia Naturalne - rojowe Paweł Paduch Politechnika Świętokrzyska 24 kwietnia 2014 Paweł Paduch Obliczenia Naturalne - rojowe 1 z 44 Plan wykładu Literatura 1 Literatura 2 Wprowadzenie Algorytm
Bardziej szczegółowoZaawansowane programowanie
Zaawansowane programowa wykład 4: jeszcze o metaheurystykach Genealogia metaheurystyk Genealogia wg [El-Ghazali Talbi, Metaheuristics: From Design to Implementation, 2009] wybór 1940 LS 1947 1950 prof.
Bardziej szczegółowodeep learning for NLP (5 lectures)
TTIC 31210: Advanced Natural Language Processing Kevin Gimpel Spring 2019 Lecture 6: Finish Transformers; Sequence- to- Sequence Modeling and AJenKon 1 Roadmap intro (1 lecture) deep learning for NLP (5
Bardziej szczegółowoAlgorytmy stadne w problemach optymalizacji
Algorytmy stadne w problemach optymalizacji Bogusław Filipowicz, Joanna Kwiecień AGH AGH Akademia Górniczo-Hutnicza w w Krakowie, Wydział Wydział EAIiE, EAIiE, Katedra Katedra Automatyki Streszczenie:
Bardziej szczegółowoALHE Jarosław Arabas Metaheurystyki w Rn Ewolucja różnicowa EDA CMAES Rój cząstek
ALHE Jarosław Arabas Metaheurystyki w Rn Ewolucja różnicowa EDA CMAES Rój cząstek Metoda przeszukiwania stan adaptacja S0 S1 om : Π X M M inicjacja S2 S4 S8 selekcja I : S U X o s : Π H U X wariacja o
Bardziej szczegółowoAlgorytmy ewolucyjne
Algorytmy ewolucyjne wprowadzenie Piotr Lipiński lipinski@ii.uni.wroc.pl Piotr Lipiński Algorytmy ewolucyjne p.1/16 Cel wykładu zapoznanie studentów z algorytmami ewolucyjnymi, przede wszystkim nowoczesnymi
Bardziej szczegółowoField of study: Computer Science Study level: First-cycle studies Form and type of study: Full-time studies. Auditorium classes.
Faculty of: Computer Science, Electronics and Telecommunications Field of study: Computer Science Study level: First-cycle studies Form and type of study: Full-time studies Annual: 2014/2015 Lecture language:
Bardziej szczegółowoSeminarium IO. Zastosowanie wielorojowej metody PSO w Dynamic Vehicle Routing Problem. Michał Okulewicz
Seminarium IO Zastosowanie wielorojowej metody PSO w Dynamic Vehicle Routing Problem Michał Okulewicz 26.02.2013 Plan prezentacji Przypomnienie Problem DVRP Algorytm PSO Podejścia DAPSO, MAPSO 2PSO, 2MPSO
Bardziej szczegółowoEwolucja Różnicowa Differential Evolution
Ewolucja Różnicowa Differential Evolution Obliczenia z wykorzystaniem metod sztucznej inteligencji Arkadiusz Kalinowski Szczecin, 2016 Zachodniopomorski Uniwersytet Technologiczny w Szczecinie 1 / 22 Plan
Bardziej szczegółowoObliczenia z wykorzystaniem sztucznej inteligencji
Obliczenia z wykorzystaniem sztucznej inteligencji wykład IV Particle Swarm Optimization Joanna Kołodziejczyk 14 kwietnia 2014 Plan wykładu 1 Swarm Intelligence Charakterystyka Zachowania społeczne 2 Powstawanie
Bardziej szczegółowoFew-fermion thermometry
Few-fermion thermometry Phys. Rev. A 97, 063619 (2018) Tomasz Sowiński Institute of Physics of the Polish Academy of Sciences Co-authors: Marcin Płodzień Rafał Demkowicz-Dobrzański FEW-BODY PROBLEMS FewBody.ifpan.edu.pl
Bardziej szczegółowoPodejście memetyczne do problemu DCVRP - wstępne wyniki. Adam Żychowski
Podejście memetyczne do problemu DCVRP - wstępne wyniki Adam Żychowski Na podstawie prac X. S. Chen, L. Feng, Y. S. Ong A Self-Adaptive Memeplexes Robust Search Scheme for solving Stochastic Demands Vehicle
Bardziej szczegółowo2013 Federated Conference on Computer Science and Information Systems (FedCSIS)
2013 Federated Conference on Computer Science and Information Systems (FedCSIS) RAPORT POKONFERENCYJNY Tegoroczna edycja konferencji FedCSIS (Federated Conference on Computer Science and Information Systems)
Bardziej szczegółowoWstęp do Sztucznej Inteligencji
Wstęp do Sztucznej Inteligencji Algorytmy Genetyczne Joanna Kołodziej Politechnika Krakowska Wydział Fizyki, Matematyki i Informatyki Metody heurystyczne Algorytm efektywny: koszt zastosowania (mierzony
Bardziej szczegółowoObliczenia z wykorzystaniem sztucznej inteligencji
Obliczenia z wykorzystaniem sztucznej inteligencji wykład IV Particle Swarm Optimization Joanna Kołodziejczyk 2016 Joanna Kołodziejczyk Obliczenia z wykorzystaniem sztucznej inteligencji 2016 1 / 38 Swarm
Bardziej szczegółowoZastosowanie algorytmów heurystycznych do rozwiązywania problemu układania tras pojazdów
Roland Jachimowski 1 Wydział Transportu, Politechnika Warszawska Zastosowanie algorytmów heurystycznych do rozwiązywania problemu układania tras pojazdów 1. WPROWADZENIE Szybki rozwój wymiany handlowej,
Bardziej szczegółowoStrategie ewolucyjne (ang. evolution strategies)
Strategie ewolucyjne (ang. evolution strategies) 1 2 Szybki przegląd Rozwijane w Niemczech w latach 60-70. Wcześni badacze: I. Rechenberg, H.-P. Schwefel (student Rechenberga). Typowe zastosowanie: Optymalizacja
Bardziej szczegółowoTTIC 31210: Advanced Natural Language Processing. Kevin Gimpel Spring Lecture 9: Inference in Structured Prediction
TTIC 31210: Advanced Natural Language Processing Kevin Gimpel Spring 2019 Lecture 9: Inference in Structured Prediction 1 intro (1 lecture) Roadmap deep learning for NLP (5 lectures) structured prediction
Bardziej szczegółowoZastosowanie sieci neuronowych w problemie klasyfikacji wielokategorialnej. Adam Żychowski
Zastosowanie sieci neuronowych w problemie klasyfikacji wielokategorialnej Adam Żychowski Definicja problemu Każdy z obiektów może należeć do więcej niż jednej kategorii. Alternatywna definicja Zastosowania
Bardziej szczegółowoAlgorytmy heurystyczne w UCB dla DVRP
Algorytmy heurystyczne w UCB dla DVRP Seminarium IO na MiNI 24.03.2015 Michał Okulewicz based on the decision DEC-2012/07/B/ST6/01527 Plan prezentacji Definicja problemu DVRP UCB na potrzeby DVRP Algorytmy
Bardziej szczegółowoXII International PhD Workshop OWD 2010, October 2010 MODEL TEORETYCZNY ALGORYTMU MRÓWKOWEGO SAS
XII International PhD Workshop OWD 2010, 23 26 October 2010 MODEL TEORETYCZNY ALGORYTMU MRÓWKOWEGO SAS Paweł Rembelski, Polsko-Japońska Wyższa Szkoła Technik Komputerowych (Opiekun naukowy: prof. Witold
Bardziej szczegółowoSystemy wieloagentowe (Multi Agent Systems - MAS) aspekty wybrane
Systemy wieloagentowe (Multi Agent Systems - MAS) aspekty wybrane Opracowanie: dr inż. Tomasz Rutkowski Katedra Inżynierii Systemów Sterowania 2014/2015 Politechnika Gdańska Wydział Elektrotechniki i Automatyki
Bardziej szczegółowoGeneralizacja algorytmu PSO. Seminarium IO
Generalizacja algorytmu PSO Seminarium IO 19.05.2015 Motywacja Powstało wiele modyfikacji algorytmu PSO (i pokrewnych) o nie(zawsze) jasnych interpretacjach: Fully Informed Particle Swarm, Charged Particle
Bardziej szczegółowoMachine Learning for Data Science (CS4786) Lecture11. Random Projections & Canonical Correlation Analysis
Machine Learning for Data Science (CS4786) Lecture11 5 Random Projections & Canonical Correlation Analysis The Tall, THE FAT AND THE UGLY n X d The Tall, THE FAT AND THE UGLY d X > n X d n = n d d The
Bardziej szczegółowoAlgorytm hybrydowy dla problemu pakowania
Adam Stawowy Algorytm hybrydowy dla problemu pakowania Summary: We present a meta-heuristic to combine simulated annealing (SA) with local search technique for Bin Packing Problem. The main idea is to
Bardziej szczegółowoProblemy z ograniczeniami
Problemy z ograniczeniami 1 2 Dlaczego zadania z ograniczeniami Wiele praktycznych problemów to problemy z ograniczeniami. Problemy trudne obliczeniowo (np-trudne) to prawie zawsze problemy z ograniczeniami.
Bardziej szczegółowoPEWNE METODY HYBRYDOWE W JEDNOKRYTERIALNEJ OPTYMALIZACJI KONSTRUKCJI SOME HYBRID METHODS FOR SINGLE CRITERIA DESIGN OPTIMIZATION
STANISŁAW KRENICH PEWNE METODY HYBRYDOWE W JEDNOKRYTERIALNEJ OPTYMALIZACJI KONSTRUKCJI SOME HYBRID METHODS FOR SINGLE CRITERIA DESIGN OPTIMIZATION S t r e s z c z e n i e A b s t r a c t W artykule przedstawiono
Bardziej szczegółowoTomasz Pawlak. Zastosowania Metod Inteligencji Obliczeniowej
1 Zastosowania Metod Inteligencji Obliczeniowej Tomasz Pawlak 2 Plan prezentacji Sprawy organizacyjne Wprowadzenie do metod inteligencji obliczeniowej Studium wybranych przypadków zastosowań IO 3 Dane
Bardziej szczegółowoAlgorytm memetyczny w grach wielokryterialnych z odroczoną preferencją celów. Adam Żychowski
Algorytm memetyczny w grach wielokryterialnych z odroczoną preferencją celów Adam Żychowski Definicja problemu dwóch graczy: P 1 (minimalizator) oraz P 2 (maksymalizator) S 1, S 2 zbiory strategii graczy
Bardziej szczegółowoActivities Performed by prof. Tadeusiewicz in Books and Journals Editorial Boards
Activities Performed by prof. Tadeusiewicz in Books and Journals Editorial Boards Member of Editorial Board of the book series 1. Associate Editor for book series "Advances in Applied Intelligence Technologies"
Bardziej szczegółowoTowards Stability Analysis of Data Transport Mechanisms: a Fluid Model and an Application
Towards Stability Analysis of Data Transport Mechanisms: a Fluid Model and an Application Gayane Vardoyan *, C. V. Hollot, Don Towsley* * College of Information and Computer Sciences, Department of Electrical
Bardziej szczegółowoŻyciorys. Wojciech Paszke. 04/2005 Doktor nauk technicznych w dyscyplinie Informatyka. Promotor: Prof. Krzysztof Ga lkowski
Życiorys Wojciech Paszke Dane Osobowe Data urodzin: 20 luty, 1975 Miejsce urodzin: Zielona Góra Stan Cywilny: Kawaler Obywatelstwo: Polskie Adres domowy pl. Cmentarny 1 67-124 Nowe Miasteczko Polska Telefon:
Bardziej szczegółowoNazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia. Kod modułu Język kształcenia Efekty kształcenia dla modułu kształcenia
Nazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia Kod modułu Język kształcenia Efekty kształcenia dla modułu kształcenia Wydział Matematyki i Informatyki Instytut Informatyki i
Bardziej szczegółowoTechniki optymalizacji
Techniki optymalizacji Wprowadzenie Maciej Hapke maciej.hapke at put.poznan.pl Literatura D.E. Goldberg Algorytmy genetyczne i zastosowania, WNT, 1995 Z. Michalewicz Algorytmy genetyczne + struktury danych
Bardziej szczegółowoMetody tworzenia efektywnych komitetów klasyfikatorów jednoklasowych Bartosz Krawczyk Katedra Systemów i Sieci Komputerowych Politechnika Wrocławska
Metody tworzenia efektywnych komitetów klasyfikatorów jednoklasowych Bartosz Krawczyk Katedra Systemów i Sieci Komputerowych Politechnika Wrocławska e-mail: bartosz.krawczyk@pwr.wroc.pl Czym jest klasyfikacja
Bardziej szczegółowoTeoria i metody optymalizacji
II. Optymalizacja globalna Idea: generuj i testuj Do tej grupy naleŝą stochastyczne iteracyjne algorytmy przeszukiwania przestrzeni rozwiązań : metody przeszukiwania lokalnego metody przeszukiwania populacyjnego.
Bardziej szczegółowoMaszyny wektorów podpierajacych w regresji rangowej
Maszyny wektorów podpierajacych w regresji rangowej Uniwersytet Mikołaja Kopernika Z = (X, Y ), Z = (X, Y ) - niezależne wektory losowe o tym samym rozkładzie X X R d, Y R Z = (X, Y ), Z = (X, Y ) - niezależne
Bardziej szczegółowoUsage of metaheuristic methods of optimization of distributed generation. HSC Research Report. the distribution network
HSC/11/07 HSC Research Report Usage of metaheuristic methods of optimization of distributed generation placement into the distribution network (Możliwości zastosowania algorytmów metaheurystycznych do
Bardziej szczegółowoAuditorium classes. Lectures
Faculty of: Mechanical and Robotics Field of study: Mechatronic with English as instruction language Study level: First-cycle studies Form and type of study: Full-time studies Annual: 2016/2017 Lecture
Bardziej szczegółowodo Wniosku o przeprowadzenie postępowania habilitacyjnego w dziedzinie nauk technicznych w dyscyplinie informatyka AUTOREFERAT
Załącznik 2A do Wniosku o przeprowadzenie postępowania habilitacyjnego w dziedzinie nauk technicznych w dyscyplinie informatyka AUTOREFERAT dr inż. Maciej Jaworski Politechnika Częstochowska Wydział Inżynierii
Bardziej szczegółowoZastosowanie algorytmów rojowych w zadaniu planowania sieci WLAN Application of rogue algorithms in the WLAN planning task
Zastosowanie algorytmów rojowych w zadaniu planowania sieci WLAN Application of rogue algorithms in the WLAN planning task Adam Pieprzycki a, *, Wiesław Ludwin b a Państwowa Wyższa Szkoła Zawodowa w Tarnowie,
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2009, Oeconomica 275 (57), 53 58
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2009, Oeconomica 275 (57), 53 58 Anna LANDOWSKA ROZWIĄZANIE PROBLEMU OPTYMALNEGO PRZYDZIAŁU ZA POMOCĄ KLASYCZNEGO
Bardziej szczegółowoDobór parametrów algorytmu ewolucyjnego
Dobór parametrów algorytmu ewolucyjnego 1 2 Wstęp Algorytm ewolucyjny posiada wiele parametrów. Przykładowo dla algorytmu genetycznego są to: prawdopodobieństwa stosowania operatorów mutacji i krzyżowania.
Bardziej szczegółowoHard-Margin Support Vector Machines
Hard-Margin Support Vector Machines aaacaxicbzdlssnafiyn9vbjlepk3ay2gicupasvu4iblxuaw2hjmuwn7ddjjmxm1bkcg1/fjqsvt76fo9/gazqfvn8y+pjpozw5vx8zkpvtfxmlhcwl5zxyqrm2vrg5zw3vxmsoezi4ogkr6phieky5crvvjhriqvdom9l2xxftevuwcekj3lktmhghgniauiyutvrwxtvme34a77kbvg73gtygpjsrfati1+xc8c84bvraowbf+uwnipyehcvmkjrdx46vlykhkgykm3ujjdhcyzqkxy0chur6ax5cbg+1m4bbjptjcubuz4kuhvjoql93hkin5hxtav5x6yyqopnsyuneey5ni4keqrxbar5wqaxbik00icyo/iveiyqqvjo1u4fgzj/8f9x67bzmxnurjzmijtlybwfgcdjgfdtajwgcf2dwaj7ac3g1ho1n4814n7wwjgjmf/ys8fenfycuzq==
Bardziej szczegółowoARMAX (ANN) : :. (ANN) ARMAX.... ARMAX ARMA :..Q47 E27 C53 C45 :JEL
47-70 39 7 ARMAX (ANN) 39 9 : 39 :. (ANN) ARMAX.... ARMAX ARMA :..Q47 E7 C53 C45 :JEL navid_moarrefzadeh@yahoo.com 7 48....... (ANN). ARMAX..... 90. (994)... Kuan & White Yousefi (994) 49... (993) (995).
Bardziej szczegółowoTTIC 31190: Natural Language Processing
TTIC 31190: Natural Language Processing Kevin Gimpel Spring 2018 Lecture 17: Machine TranslaDon; SemanDcs Roadmap words, morphology, lexical semandcs text classificadon simple neural methods for NLP language
Bardziej szczegółowoAnaliza stanów gry na potrzeby UCT w DVRP
Analiza stanów gry na potrzeby UCT w DVRP Seminarium IO na MiNI 04.11.2014 Michał Okulewicz based on the decision DEC-2012/07/B/ST6/01527 Plan prezentacji Definicja problemu DVRP DVRP na potrzeby UCB Analiza
Bardziej szczegółowoMODYFIKACJA WARIANTÓW SUKCESJI W EWOLUCYJNEJ METODZIE PLANOWANIA ŚCIEŻKI PRZEJŚCIA
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej Nr 36 XXIII Seminarium ZASTOSOWANIE KOMPUTERÓW W NAUCE I TECHNICE 213 Oddział Gdański PTETiS Referat nr 23 MODYIKACJA WARIANTÓW
Bardziej szczegółowoOdkrywanie algorytmów kwantowych za pomocą programowania genetycznego
Odkrywanie algorytmów kwantowych za pomocą programowania genetycznego Piotr Rybak Koło naukowe fizyków Migacz, Uniwersytet Wrocławski Piotr Rybak (Migacz UWr) Odkrywanie algorytmów kwantowych 1 / 17 Spis
Bardziej szczegółowoWojciech Jaśkowski. 6 marca 2014
Instytut Informatyki, Politechnika Poznańska 6 marca 2014 Prowadzący dr inż., wojciech.jaskowski@cs.put.poznan.pl, p. 1.6.1 (tel. 3020) Plan ramowy Daty: 7.03, 14.03, 21.03, 28.03, 4.04, 11.04, [Wielkanoc],
Bardziej szczegółowoAlgorytm hybrydowy dla alokacji portfela inwestycyjnego przy ograniczonych zasobach
Adam Stawowy Algorytm hybrydowy dla alokacji portfela inwestycyjnego przy ograniczonych zasobach Summary: We present a meta-heuristic to combine Monte Carlo simulation with genetic algorithm for Capital
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 13. PROBLEMY OPTYMALIZACYJNE Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska PROBLEMY OPTYMALIZACYJNE Optymalizacja poszukiwanie
Bardziej szczegółowoModel przydziału zasobów do zadań w przedsiębiorstwie transportowym
Mariusz Izdebski 1, Marianna Jacyna 2 Wydział Transportu Politechniki Warszawskiej Model przydziału zasobów do zadań w przedsiębiorstwie transportowym 1. WPROWADZENIE Decyzja przydziału zadań do posiadanych
Bardziej szczegółowoALGORYTMY GENETYCZNE JAKO NARZĘDZIE OPTYMALIZACYJNE STOSOWANE W SIECIACH NEURONOWYCH
Inżynieria Rolnicza 2/2005 Instytut Inżynierii Rolniczej Akademia Rolnicza w Poznaniu ALGORYTMY GENETYCZNE JAKO NARZĘDZIE OPTYMALIZACYJNE STOSOWANE W SIECIACH NEURONOWYCH Streszczenie Rewolucyjne wynalazki
Bardziej szczegółowoRada do spraw cyfryzacji Zespół: Edukacja cyfrowa
Rada do spraw cyfryzacji Zespół: Edukacja cyfrowa 2018-03-02 Zespół Justyna Skorupska Przewodnicząca Dominik Batorski Krzysztof Goczyła Grzegorz Mazurek Jerzy Nawrocki Katarzyna Śledziewska Janusz Zawiła
Bardziej szczegółowoEwolucja Ró»nicowa - Wprowadzenie
15 grudnia 2016 Klasykacja Algorytmy Ewolucyjne Strategie Ewolucyjne Ewolucja Ró»nicowa Autorzy : Storn i Price [1994-97] Cechy charakterystyczne Algorytm oparty na populacji Osobniki s opisane za pomoc
Bardziej szczegółowoOPTYMALNA ALOKACJA OBIEKTÓW Z WYKORZYSTANIEM ALGORYTMÓW EWOLUCYJNYCH
Stanisław KRENICH 1 Alokacja obiektów Optymalizacja Algorytmy ewolucyjne OPTYMALNA ALOKACJA OBIEKTÓW Z WYKORZYSTANIEM ALGORYTMÓW EWOLUCYJNYCH W artykule opisano metodę rozwiązywani zagadnienia optymalnej
Bardziej szczegółowoMichał Kozielski Łukasz Warchał. Instytut Informatyki, Politechnika Śląska
Michał Kozielski Łukasz Warchał Instytut Informatyki, Politechnika Śląska Algorytm DBSCAN Algorytm OPTICS Analiza gęstego sąsiedztwa w grafie Wstępne eksperymenty Podsumowanie Algorytm DBSCAN Analiza gęstości
Bardziej szczegółowoZarządzanie sieciami telekomunikacyjnymi
SNMP Protocol The Simple Network Management Protocol (SNMP) is an application layer protocol that facilitates the exchange of management information between network devices. It is part of the Transmission
Bardziej szczegółowoWAE Jarosław Arabas Pełny schemat algorytmu ewolucyjnego
WAE Jarosław Arabas Pełny schemat algorytmu ewolucyjnego Algorytm ewolucyjny algorytm ewolucyjny inicjuj P 0 {P 0 1, P 0 2... P 0 μ } t 0 H P 0 while! stop for (i 1: λ) if (a< p c ) O t i mutation(crossover
Bardziej szczegółowoALGORYTM EWOLUCYJNY DLA PROBLEMU SZEREGOWANIA ZADAŃ W SYSTEMIE PRZEPŁYWOWYM
ALGORYTM EWOLUCYJNY DLA PROBLEMU SZEREGOWANIA ZADAŃ W SYSTEMIE PRZEPŁYWOWYM Adam STAWOWY, Marek ŚWIĘCHOWICZ Streszczenie: W pracy zaprezentowano algorytm strategii ewolucyjnej do problemu szeregowania
Bardziej szczegółowoWłasności eksploatacyjne i eksploracyjne algorytmów ewolucyjnych z mutacja. α stabilna. Andrzej Obuchowicz i Przemysław Prętki
Własności eksploatacyjne i eksploracyjne algorytmów ewolucyjnych z mutacja α stabilna Andrzej Obuchowicz i Przemysław Prętki Uniwersytet Zielonogórski IEEE CIS seminarium, Zielona Góra 9.12.2005 1/38 motywacja;
Bardziej szczegółowoPrzykładowa prezentacja
Przykładowa prezentacja Teodor Niżyński 1 1 Department of Automatics, Mechatronics and Control Systems Faculty of Electronics Wrocław University of Technology December 5, 2016 1 / 19 T. Niżyński Przykładowa
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 szczegółowoPrzegląd 4 Aerodynamika, algorytmy genetyczne, duże kroki i dynamika pozycji. Modelowanie fizyczne w animacji komputerowej Maciej Matyka
Przegląd 4 Aerodynamika, algorytmy genetyczne, duże kroki i dynamika pozycji Modelowanie fizyczne w animacji komputerowej Maciej Matyka Wykład z Modelowania przegląd 4 1. Animation Aerodynamics 2. Algorytmy
Bardziej szczegółowoSesja organizacyjno podsumowująca 2 spotkanie Polskiej Grupy SIGML. SIG ML Warszawa,
Sesja organizacyjno podsumowująca 2 spotkanie Polskiej Grupy SIGML SIG ML Warszawa, 12-13 11 2013 Program sesji 1. Cele grupy badawczej 2. Propozycja kolejnego spotkania 3. Lista mailowa oraz newsletter
Bardziej szczegółowoWydział Inżynierii Produkcji i Logistyki Faculty of Production Engineering and Logistics
Wydział Inżynierii Produkcji i Logistyki Faculty of Production Engineering and Logistics Plan studiów stacjonarnych II stopnia (magisterskich) na kierunku ZARZĄDZANIE I INŻYNIERIA PRODUKCJI MANAGEMENT
Bardziej szczegółowoStandardowy algorytm genetyczny
Standardowy algorytm genetyczny 1 Szybki przegląd 2 Opracowany w USA w latach 70. Wcześni badacze: John H. Holland. Autor monografii Adaptation in Natural and Artificial Systems, wydanej w 1975 r., (teoria
Bardziej szczegółowoAlgorytmy ewolucyjne 1
Algorytmy ewolucyjne 1 2 Zasady zaliczenia przedmiotu Prowadzący (wykład i pracownie specjalistyczną): Wojciech Kwedlo, pokój 205. Konsultacje dla studentów studiów dziennych: poniedziałek,środa, godz
Bardziej szczegółowoALGORYTM PRZESZUKIWANIA Z ZABRONIENIAMI DLA DWUKRYTERIALNEGO PROBLEMU PRZEPŁYWOWEGO
ALGORYTM PRZESZUKIWANIA Z ZABRONIENIAMI DLA DWUKRYTERIALNEGO PROBLEMU PRZEPŁYWOWEGO Jarosław PEMPERA, Dominik ŻELAZNY Streszczenie: Praca poświęcona jest problemowi przepływowemu z dwukryterialną funkcją
Bardziej szczegółowoMetody Inteligencji Sztucznej i Obliczeniowej
Metody Inteligencji Sztucznej i Obliczeniowej Wojciech Jaśkowski Instytut Informatyki, Politechnika Poznańska 6 marca 2015 Prowadzący dr inż. Wojciech Jaśkowski, wojciech.jaskowski@cs.put.poznan.pl, p.
Bardziej szczegółowoLista przedmiotów prowadzonych przez pracowników Zakładu Sieci i Systemów Elektroenergetycznych
Lista przedmiotów prowadzonych przez pracowników Zakładu Sieci i Systemów Elektroenergetycznych Informatyka w elektroenergetyce 1DE1703 W15, L30 Projektowanie komputerowe i systemy informacji przestrzennej
Bardziej szczegółowoTychy, plan miasta: Skala 1: (Polish Edition)
Tychy, plan miasta: Skala 1:20 000 (Polish Edition) Poland) Przedsiebiorstwo Geodezyjno-Kartograficzne (Katowice Click here if your download doesn"t start automatically Tychy, plan miasta: Skala 1:20 000
Bardziej szczegółowoSystemy wieloagentowe (Multi Agent Systems - MAS) aspekty wybrane
Systemy wieloagentowe (Multi Agent Systems - MAS) aspekty wybrane Opracowanie: dr inż. Tomasz Rutkowski Katedra Inżynierii Systemów Sterowania 2014/2015 Politechnika Gdańska Wydział Elektrotechniki i Automatyki
Bardziej szczegółowoAlgorytmy MCMC (Markowowskie Monte Carlo) dla skokowych procesów Markowa
Algorytmy MCMC (Markowowskie Monte Carlo) dla skokowych procesów Markowa Wojciech Niemiro 1 Uniwersytet Warszawski i UMK Toruń XXX lat IMSM, Warszawa, kwiecień 2017 1 Wspólne prace z Błażejem Miasojedowem,
Bardziej szczegółowoLinear Classification and Logistic Regression. Pascal Fua IC-CVLab
Linear Classification and Logistic Regression Pascal Fua IC-CVLab 1 aaagcxicbdtdbtmwfafwdgxlhk8orha31ibqycvkdgpshdqxtwotng2pxtvqujmok1qlky5xllzrnobbediegwcap4votk2kqkf+/y/tnphdschtadu/giv3vtea99cfma8fpx7ytlxx7ckns4sylo3doom7jguhj1hxchmy/irhrlgh67lxb5x3blis8jjqynmedqujiu5zsqqagrx+yjcfpcrydusshmzeluzsg7tttiew5khhcuzm5rv0gn1unw6zl3gbzlpr3liwncyr6aaqinx4wnc/rpg6ix5szd86agoftuu0g/krjxdarph62enthdey3zn/+mi5zknou2ap+tclvhob9sxhwvhaqketnde7geqjp21zvjsfrcnkfhtejoz23vq97elxjlpbtmxpl6qxtl1sgfv1ptpy/yq9mgacrzkgje0hjj2rq7vtywnishnnkzsqekucnlblrarlh8x8szxolrrxkb8n6o4kmo/e7siisnozcfvsedlol60a/j8nmul/gby8mmssrfr2it8lkyxr9dirxxngzthtbaejv
Bardziej szczegółowoBadania w sieciach złożonych
Badania w sieciach złożonych Grant WCSS nr 177, sprawozdanie za rok 2012 Kierownik grantu dr. hab. inż. Przemysław Kazienko mgr inż. Radosław Michalski Instytut Informatyki Politechniki Wrocławskiej Obszar
Bardziej szczegółowoKONSTRUKCJA I TESTOWANIE AUTOMATÓW ROZMYTYCH ZA POMOCĄ TECHNIK METAHEURYSTYCZNYCH
INSTYTUT BADAŃ SYSTEMOWYCH POLSKIEJ AKADEMII NAUK Streszczenie rozprawy doktorskiej KONSTRUKCJA I TESTOWANIE AUTOMATÓW ROZMYTYCH ZA POMOCĄ TECHNIK METAHEURYSTYCZNYCH Mgr inż. Krzysztof Zaniewski Niestacjonarne
Bardziej szczegółowo