Przykładowa prezentacja
|
|
- Agnieszka Woźniak
- 6 lat temu
- Przeglądów:
Transkrypt
1 Przykładowa prezentacja Teodor Niżyński 1 1 Department of Automatics, Mechatronics and Control Systems Faculty of Electronics Wrocław University of Technology December 5, / 19 T. Niżyński Przykładowa prezentacja
2 Agenda Definicja 1 Definicja Definicja Definicja z obrazkiem Wykorzystanie otoczenia block 2 Najprostsze Dwie kolumny Kolumna z grafiką Dużo slajdów na raz 3 Po prostu grafika Zły i straszny tikz Wykres rysowany z pliku Wykres z błędem 4 2 / 19 T. Niżyński Przykładowa prezentacja
3 neuronu Definicja Definicja Definicja z obrazkiem Wykorzystanie otoczenia block Neuron, komórka nerwowa rodzaj elektrycznie pobudliwej komórki zdolnej do przetwarzania i przewodzenia informacji w postaci sygnału elektrycznego. Neurony są podstawowym elementem układu nerwowego zwierząt. Najwięcej neuronów znajduje się w ośrodkowym układzie nerwowym w skład którego wchodzi mózgowie oraz rdzeń kręgowy. 3 / 19 T. Niżyński Przykładowa prezentacja
4 neuronu Definicja Definicja Definicja z obrazkiem Wykorzystanie otoczenia block Neuron, komórka nerwowa rodzaj elektrycznie pobudliwej komórki zdolnej do przetwarzania i przewodzenia informacji w postaci sygnału elektrycznego. Neurony są podstawowym elementem układu nerwowego zwierząt. Najwięcej neuronów znajduje się w ośrodkowym układzie nerwowym w skład którego wchodzi mózgowie oraz rdzeń kręgowy. 4 / 19 T. Niżyński Przykładowa prezentacja
5 neuronu Definicja Definicja Definicja z obrazkiem Wykorzystanie otoczenia block Neuron, komórka nerwowa rodzaj elektrycznie pobudliwej komórki zdolnej do przetwarzania i przewodzenia informacji w postaci sygnału elektrycznego. Neurony są podstawowym elementem układu nerwowego zwierząt. Najwięcej neuronów znajduje się w ośrodkowym układzie nerwowym w skład którego wchodzi mózgowie oraz rdzeń kręgowy. Źródło: 5 / 19 T. Niżyński Przykładowa prezentacja
6 neuronu Definicja Definicja Definicja z obrazkiem Wykorzystanie otoczenia block Neuron, komórka nerwowa rodzaj elektrycznie pobudliwej komórki zdolnej do przetwarzania i przewodzenia informacji w postaci sygnału elektrycznego. Neurony są podstawowym elementem układu nerwowego zwierząt. Najwięcej neuronów znajduje się w ośrodkowym układzie nerwowym w skład którego wchodzi mózgowie oraz rdzeń kręgowy. Typowy neuron jest zbudowany z ciała komórki (perikarion) oraz odchodzących od niego wypustek: aksonu i dendrytów. Neurony kontaktują się między sobą poprzez synapsy tworząc sieci neuronowe. Informacje od innych neuronów są obierane przez synapsy położone na dendrytach, przewodzone wzdłuż neuronu i przekazywane dalej do synaps na zakończeniach aksonu. Źródło: 6 / 19 T. Niżyński Przykładowa prezentacja
7 Losowa tabelka Definicja Definicja Definicja z obrazkiem Wykorzystanie otoczenia block header 1 header 2 header 4 header 5 header 4 cell 1 cell 2 cell 3 cell 4 header 5 cell 5 cell 6 cell 7 cell 8 header 6 cell 9 cell 10 cell 11 cell 12 Prezentacja z wstępem do Beamera może okazać się bardziej niż przydatna! 7 / 19 T. Niżyński Przykładowa prezentacja
8 Definicja Definicja z obrazkiem Wykorzystanie otoczenia block Definicja neuronu ze źle wklejonym obrazkiem Neuron, komórka nerwowa rodzaj elektrycznie pobudliwej komórki zdolnej do przetwarzania i przewodzenia informacji w postaci sygnału elektrycznego. Neurony są podstawowym elementem układu nerwowego zwierząt. Najwięcej neuronów znajduje się w ośrodkowym układzie nerwowym w skład którego wchodzi mózgowie oraz rdzeń kręgowy. 8 / 19 T. Niżyński Przykładowa prezentacja
9 Definicja Definicja z obrazkiem Wykorzystanie otoczenia block Funkcja aktywacji to pojęcie używane w sztucznej inteligencji do określenia funkcji, według której obliczana jest wartość wyjścia neuronów sieci neuronowej. Liniowa funkcja aktywacji y(x) = ax + b 9 / 19 T. Niżyński Przykładowa prezentacja
10 Najprostsze kolumny Definicja Najprostsze Dwie kolumny Kolumna z grafiką Dużo slajdów na raz 10 / 19 T. Niżyński Przykładowa prezentacja
11 z tekstem pod i nad Najprostsze Dwie kolumny Kolumna z grafiką Dużo slajdów na raz Tytuł zapowiadający zawartość obu kolumn. I jeszcze trochę dodatkowego zbędnego tekstu, bla bla bla bla bla bla bla bla bla bla bla bla. One billion searches per second 36 yrs All this to recover only 10 bits! 11 / 19 T. Niżyński Przykładowa prezentacja
12 Kolumna z tekstem i grafiką Najprostsze Dwie kolumny Kolumna z grafiką Dużo slajdów na raz Neuron, komórka nerwowa rodzaj elektrycznie pobudliwej komórki zdolnej do przetwarzania i przewodzenia informacji w postaci sygnału elektrycznego. Neurony są podstawowym elementem układu nerwowego zwierząt. Najwięcej neuronów znajduje się w ośrodkowym układzie nerwowym w skład którego wchodzi mózgowie oraz rdzeń kręgowy. 12 / 19 T. Niżyński Przykładowa prezentacja
13 Najprostsze Dwie kolumny Kolumna z grafiką Dużo slajdów na raz Nic tu nie ma? item3 lazy item lazy Proszę zwrócić uwagę na numeracje slajdów, to jest ciągle ten sam slajd! 13 / 19 T. Niżyński Przykładowa prezentacja
14 Najprostsze Dwie kolumny Kolumna z grafiką Dużo slajdów na raz Jednak jest! item3 lazy item lazy 13 / 19 T. Niżyński Przykładowa prezentacja
15 Najprostsze Dwie kolumny Kolumna z grafiką Dużo slajdów na raz item3 lazy item lazy 13 / 19 T. Niżyński Przykładowa prezentacja
16 Najprostsze Dwie kolumny Kolumna z grafiką Dużo slajdów na raz item3 lazy item lazy 13 / 19 T. Niżyński Przykładowa prezentacja
17 Najprostsze Dwie kolumny Kolumna z grafiką Dużo slajdów na raz item3 lazy item lazy 13 / 19 T. Niżyński Przykładowa prezentacja
18 Najprostsze Dwie kolumny Kolumna z grafiką Dużo slajdów na raz item3 A tu sie raz pojawia a raz nie? lazy item item4 lazy 13 / 19 T. Niżyński Przykładowa prezentacja
19 Najprostsze Dwie kolumny Kolumna z grafiką Dużo slajdów na raz item3 A tu sie raz pojawia a raz nie? lazy item item5 item6 lazy 13 / 19 T. Niżyński Przykładowa prezentacja
20 Najprostsze Dwie kolumny Kolumna z grafiką Dużo slajdów na raz item3 A tu sie raz pojawia a raz nie? lazy item item4 item5 lazy 13 / 19 T. Niżyński Przykładowa prezentacja
21 Najprostsze Dwie kolumny Kolumna z grafiką Dużo slajdów na raz item3 A tu sie raz pojawia a raz nie? lazy item item4 item5 item6 lazy 13 / 19 T. Niżyński Przykładowa prezentacja
22 Najprostsze Dwie kolumny Kolumna z grafiką Dużo slajdów na raz item3 A tu sie raz pojawia a raz nie? lazy item item5 lazy Proszę zwrócić uwagę na numeracje slajdów, to jest ciągle ten sam slajd! 13 / 19 T. Niżyński Przykładowa prezentacja
23 Po prostu grafika Zły i straszny tikz Wykres rysowany z pliku Wykres z błędem źródło: 14 / 19 T. Niżyński Przykładowa prezentacja
24 Po prostu grafika Zły i straszny tikz Wykres rysowany z pliku Wykres z błędem v 100 c 100 D v / 19 T. Niżyński Przykładowa prezentacja
25 Po prostu grafika Zły i straszny tikz Wykres rysowany z pliku Wykres z błędem HOW? - Research routine in Cyclic Scheduling Problem Mathematical model Real world problems. Well known theoretical problems. Problem properities Algorithm Parallelization Computational experiments 16 / 19 T. Niżyński Przykładowa prezentacja
26 Po prostu grafika Zły i straszny tikz Wykres rysowany z pliku Wykres z błędem HOW? - Research routine in Cyclic Scheduling Problem Mathematical model Problem properities Systems of equations. Graph theory. Algorithm Parallelization Computational experiments 16 / 19 T. Niżyński Przykładowa prezentacja
27 Po prostu grafika Zły i straszny tikz Wykres rysowany z pliku Wykres z błędem HOW? - Research routine in Cyclic Scheduling Problem Mathematical model Problem properities Algorithm Finding properities. Formulating theorems. Parallelization Computational experiments 16 / 19 T. Niżyński Przykładowa prezentacja
28 Po prostu grafika Zły i straszny tikz Wykres rysowany z pliku Wykres z błędem HOW? - Research routine in Cyclic Scheduling Problem Mathematical model Problem properities Algorithm Parallelization Metaheuristics. Dedicated algorithms. Solvers. Computational experiments 16 / 19 T. Niżyński Przykładowa prezentacja
29 Po prostu grafika Zły i straszny tikz Wykres rysowany z pliku Wykres z błędem HOW? - Research routine in Cyclic Scheduling Problem Mathematical model Problem properities Algorithm Parallelization Computational experiments Finding efficient parallelization strategies. 16 / 19 T. Niżyński Przykładowa prezentacja
30 Po prostu grafika Zły i straszny tikz Wykres rysowany z pliku Wykres z błędem HOW? - Research routine in Cyclic Scheduling Problem Mathematical model Problem properities Algorithm Parallelization Computational experiments Verifying algorithm performance. 16 / 19 T. Niżyński Przykładowa prezentacja
31 Po prostu grafika Zły i straszny tikz Wykres rysowany z pliku Wykres z błędem / 19 T. Niżyński Przykładowa prezentacja
32 Po prostu grafika Zły i straszny tikz Wykres rysowany z pliku Wykres z błędem / 19 T. Niżyński Przykładowa prezentacja
33 Dziękuję za uwagę. 19 / 19 T. Niżyński Przykładowa prezentacja
SCENARIUSZ LEKCJI BIOLOGII Z WYKORZYSTANIEM FILMU HALO, NEURON. ZGŁOŚ SIĘ.
SCENARIUSZ LEKCJI BIOLOGII Z WYKORZYSTANIEM FILMU HALO, NEURON. ZGŁOŚ SIĘ. SPIS TREŚCI: I. Wprowadzenie. II. Części lekcji. 1. Część wstępna. 2. Część realizacji. 3. Część podsumowująca. III. Karty pracy.
Bardziej szczegółowobiologia w gimnazjum OBWODOWY UKŁAD NERWOWY
biologia w gimnazjum 2 OBWODOWY UKŁAD NERWOWY BUDOWA KOMÓRKI NERWOWEJ KIERUNEK PRZEWODZENIA IMPULSU NEROWEGO DENDRYT ZAKOŃCZENIA AKSONU CIAŁO KOMÓRKI JĄDRO KOMÓRKOWE AKSON OSŁONKA MIELINOWA Komórka nerwowa
Bardziej szczegółowoBudowa i zróżnicowanie neuronów - elektrofizjologia neuronu
Budowa i zróżnicowanie neuronów - elektrofizjologia neuronu Neuron jest podstawową jednostką przetwarzania informacji w mózgu. Sygnał biegnie w nim w kierunku od dendrytów, poprzez akson, do synaps. Neuron
Bardziej szczegółowoMetody Sztucznej Inteligencji II
17 marca 2013 Neuron biologiczny Neuron Jest podstawowym budulcem układu nerwowego. Jest komórką, która jest w stanie odbierać i przekazywać sygnały elektryczne. Neuron działanie Jeżeli wartość sygnału
Bardziej szczegółowoWstęp do sztucznych sieci neuronowych
Wstęp do sztucznych sieci neuronowych Michał Garbowski Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Wydział Informatyki 15 grudnia 2011 Plan wykładu I 1 Wprowadzenie Inspiracja biologiczna
Bardziej szczegółowoWstęp 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 szczegółowoWstęp do teorii sztucznej inteligencji Wykład II. Uczenie sztucznych neuronów.
Wstęp do teorii sztucznej inteligencji Wykład II Uczenie sztucznych neuronów. 1 - powtórzyć o klasyfikacji: Sieci liniowe I nieliniowe Sieci rekurencyjne Uczenie z nauczycielem lub bez Jednowarstwowe I
Bardziej szczegółowoElementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD X: Sztuczny neuron
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD X: Sztuczny neuron Koneksjonizm: wprowadzenie 1943: Warren McCulloch, Walter Pitts: ogólna teoria przetwarzania informacji oparta na sieciach binarnych
Bardziej szczegółowoZastosowania 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 szczegółowoCo to są wzorce rytmów?
Sieci neuropodobne XII, Centralne generatory wzorców 1 Co to są wzorce rytmów? Centralne generatory rytmów są układami neuronowymi powodujących cykliczną aktywację odpowiednich mięśni, mogą działać w pewnym
Bardziej szczegółowoPodstawy sztucznej inteligencji
wykład 5 Sztuczne sieci neuronowe (SSN) 8 grudnia 2011 Plan wykładu 1 Biologiczne wzorce sztucznej sieci neuronowej 2 3 4 Neuron biologiczny Neuron Jest podstawowym budulcem układu nerwowego. Jest komórką,
Bardziej szczegółowo8. 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 szczegółowoSztuczne sieci neuronowe
www.math.uni.lodz.pl/ radmat Cel wykładu Celem wykładu jest prezentacja różnych rodzajów sztucznych sieci neuronowych. Biologiczny model neuronu Mózg człowieka składa się z około 10 11 komórek nerwowych,
Bardziej szczegółowoTemat: Sieci neuronowe oraz technologia CUDA
Elbląg, 27.03.2010 Temat: Sieci neuronowe oraz technologia CUDA Przygotował: Mateusz Górny VIII semestr ASiSK Wstęp Sieci neuronowe są to specyficzne struktury danych odzwierciedlające sieć neuronów w
Bardziej szczegółowoPodstawy Sztucznej Inteligencji (PSZT)
Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Uczenie maszynowe Sztuczne sieci neuronowe Plan na dziś Uczenie maszynowe Problem aproksymacji funkcji Sieci neuronowe PSZT, zima 2013, wykład 12
Bardziej szczegółowoSztuczna Inteligencja Tematy projektów Sieci Neuronowe
PB, 2009 2010 Sztuczna Inteligencja Tematy projektów Sieci Neuronowe Projekt 1 Stwórz projekt implementujący jednokierunkową sztuczną neuronową złożoną z neuronów typu sigmoidalnego z algorytmem uczenia
Bardziej szczegółowoSIECI 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 szczegółowo1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN. Agenda
Sieci neuropodobne 1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN Agenda Trochę neurobiologii System nerwowy w organizmach żywych tworzą trzy
Bardziej szczegółowoTWORZENIE PREZENTACJI MS POWERPOINT
TWORZENIE PREZENTACJI MS POWERPOINT Wstęp TWORZENIE PREZENTACJI MS POWERPOINT Czasami zdarza się, że zostajemy poproszeni o poprowadzenia spotkania czy szkolenia w firmie, w której pracujemy lub po prostu
Bardziej szczegółowoinż. Konrad Postawa Akademia Aktywnego Seniora Wolontariusza
inż. Konrad Postawa Akademia Aktywnego Seniora Wolontariusza W ramach programu: Organizator: Wrocław 2012 Tworzenie prezentacji MS PowerPoint Wstęp TWORZENIE PREZENTACJI MS POWERPOINT Czasami zdarza się,
Bardziej szczegółowoTeraz bajty. Informatyka dla szkoły podstawowej. Klasa VI
1 Teraz bajty. Informatyka dla szkoły podstawowej. Klasa VI 1. Obliczenia w arkuszu kalkulacyjnym Rozwiązywanie problemów z wykorzystaniem aplikacji komputerowych obliczenia w arkuszu kalkulacyjnym wykonuje
Bardziej szczegółowoSIEĆ NEURONOWA JAKO NARZĘDZIE APROKSYMACJI I KLASYFIKACJI DANYCH. Jakub Karbowski Gimnazjum nr 17 w Krakowie
SIEĆ NEURONOWA JAKO NARZĘDZIE APROKSYMACJI I KLASYFIKACJI DANYCH Jakub Karbowski Gimnazjum nr 17 w Krakowie KRAKÓW 2017 1. Spis treści 2. WSTĘP 2 3. SIECI NEURONOWE 2 3.1. Co to są sieci neuronowe... 2
Bardziej szczegółowoInteligentne systemy przeciw atakom sieciowym
Inteligentne systemy przeciw atakom sieciowym wykład Sztuczne sieci neuronowe (SSN) Joanna Kołodziejczyk 2016 Joanna Kołodziejczyk Inteligentne systemy przeciw atakom sieciowym 2016 1 / 36 Biologiczne
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 szczegółowoWstęp do teorii sztucznej inteligencji Wykład III. Modele sieci neuronowych.
Wstęp do teorii sztucznej inteligencji Wykład III Modele sieci neuronowych. 1 Perceptron model najprostzszy przypomnienie Schemat neuronu opracowany przez McCullocha i Pittsa w 1943 roku. Przykład funkcji
Bardziej szczegółowoSztuczna inteligencja
Sztuczna inteligencja Wykład 6. Sieci biologiczne. Wstęp do sztucznych sieci neuronowych. źródła informacji: G. Fischbach Mind and Brain, Scientific American 1994 S. Silbernagl, A. Despopoulos Atlas fizjologii,
Bardziej szczegółowoWykład 1: Wprowadzenie do sieci neuronowych
Wykład 1: Wprowadzenie do sieci neuronowych Historia badań nad sieciami neuronowymi. - początki: badanie komórek ośrodkowego układu nerwowego zwierząt i człowieka, czyli neuronów; próby wyjaśnienia i matematycznego
Bardziej szczegółowoWymagania edukacyjne z informatyki dla uczniów klas VI SP nr 53 w Krakowie w roku szkolnym 2019/2020
Prowadzący: Elwira Kukiełka Ewa Pawlak-Głuc 1 Opracowano na podstawie: 1. Podstawa programowa(dz.u. z 017r. poz. ) Rozporządzenie Ministra Edukacji Narodowej z dnia 1 lutego 017 r. w sprawie podstawy programowej
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 szczegółowoZastosowania sieci neuronowych
Zastosowania sieci neuronowych klasyfikacja LABORKA Piotr Ciskowski zadanie 1. klasyfikacja zwierząt sieć jednowarstwowa żródło: Tadeusiewicz. Odkrywanie własności sieci neuronowych, str. 159 Przykład
Bardziej szczegółowoPrezentacja multimedialna MS PowerPoint 2010 (podstawy)
Prezentacja multimedialna MS PowerPoint 2010 (podstawy) Cz. 1. Tworzenie slajdów MS PowerPoint 2010 to najnowsza wersja popularnego programu do tworzenia prezentacji multimedialnych. Wygląd programu w
Bardziej szczegółowoMożliwości programu Power Point
1 Szablon projektu Możliwości programu Power Point Zaczynamy od wybrania szablonu projektu (Format/Projekt Slajdu lub z paska narzędzi). Wybieramy szablon Szczelina. 2 Slajd tytułowy Następnie dodajemy
Bardziej szczegółowoEgzamin zawodowy: Technik Informatyk 312[01] Oprogramowanie biurowe pytania i odpowiedzi
Egzamin zawodowy: Technik Informatyk 312[01] Oprogramowanie biurowe pytania i odpowiedzi 1. Obiekt bazy danych, który w programie Microsoft Access służy do tworzenia zestawień i sprawozdań, ale nie daje
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 01 Neuron biologiczny. Model perceptronu prostego.
Wstęp do sieci neuronowych, wykład 01. Model perceptronu prostego. M. Czoków, J. Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2011-10-04 In memoriam prof. dr hab. Tomasz Schreiber
Bardziej szczegółowoFizjologia czlowieka seminarium + laboratorium. M.Eng. Michal Adam Michalowski
Fizjologia czlowieka seminarium + laboratorium M.Eng. Michal Adam Michalowski michal.michalowski@uwr.edu.pl michaladamichalowski@gmail.com michal.michalowski@uwr.edu.pl https://mmichalowskiuwr.wordpress.com/
Bardziej szczegółowoTEST - BIOLOGIA WERONIKA GMURCZYK
TEST - BIOLOGIA WERONIKA GMURCZYK Temat: Układ nerwowy i hormonalny Zadanie 1. Zaznacz poprawną odpowiedź. Co to są hormony? a) związki chemiczne wytwarzane w gruczołach łojowych, które regulują pracę
Bardziej szczegółowoSystemy Inteligentnego Przetwarzania wykład 1: sieci elementarne
Systemy Inteligentnego Przetwarzania wykład 1: sieci elementarne Dr inż. Jacek Mazurkiewicz Katedra Informatyki Technicznej e-mail: Jacek.Mazurkiewicz@pwr.edu.pl Sprawy formalne konsultacje, p. 225 C-3:
Bardziej szczegółowoWymagania na poszczególne oceny szkolne dla klasy VI. (na podstawie Grażyny Koba, Teraz bajty. Informatyka dla szkoły podstawowej.
1 Wymagania na poszczególne oceny szkolne dla klasy VI (na podstawie Grażyny Koba, Teraz bajty. Informatyka dla szkoły podstawowej. Klasa VI ) 2 1. Obliczenia w arkuszu kalkulacyjnym słucha poleceń nauczyciela
Bardziej szczegółowoTeraz bajty. Informatyka dla szkoły podstawowej. Klasa VI
1 Teraz bajty. Informatyka dla szkoły podstawowej. Klasa VI Opis założonych osiągnięć ucznia przykłady wymagań na poszczególne oceny szkolne dla klasy VI Grażyna Koba Spis treści 1. Obliczenia w arkuszu
Bardziej szczegółowoZasady tworzenia dobrych prezentacji. --------------- m.banaszak@prokonto.pl
Zasady tworzenia dobrych prezentacji --------------- m.banaszak@prokonto.pl Przygotowanie do prezentacji Zebranie materiałów na temat tworzonej prezentacji. Analiza audytorium i ustalenie celu pokazu.
Bardziej szczegółowoZastosowanie metod eksploracji danych Data Mining w badaniach ekonomicznych SAS Enterprise Miner. rok akademicki 2013/2014
Zastosowanie metod eksploracji danych Data Mining w badaniach ekonomicznych SAS Enterprise Miner rok akademicki 2013/2014 Sieci neuronowe Sieci neuronowe W XIX wieku sformułowano teorię opisującą podstawowe
Bardziej szczegółowoĆwiczenia - MS Power Point
Wprowadzenie: PowerPoint to program graficzny, służący do przygotowania profesjonalnej prezentacji. Daje możliwość wykorzystania elementów graficznych (rysunki, tabele, wykresy, efekty wizualne itd.).
Bardziej szczegółowoDr inż. Marta Kamińska
Nowe techniki i technologie dla medycyny Dr inż. Marta Kamińska Układ nerwowy Układ nerwowy zapewnia łączność organizmu ze światem zewnętrznym, zezpala układy w jedną całość, zprawując jednocześnie nad
Bardziej szczegółowoZACHODNIOPOMORSKI UNIWERSYTET TECHNOLOGICZNY W SZCZECINIE
ZACHODNIOPOMORSKI UNIWERSYTET TECHNOLOGICZNY W SZCZECINIE INSTYTUT TECHNOLOGII MECHANICZNEJ Metody Sztucznej Inteligencji Sztuczne Sieci Neuronowe Wstęp Sieci neuronowe są sztucznymi strukturami, których
Bardziej szczegółowoLaboratorium nr 4. Tworzenie prezentacji multimedialnych.
TECHNOLOGIE INFORMACYJNE - laboratoria Laboratorium nr 4. Tworzenie prezentacji multimedialnych. Spis treści OpenOffice Impress program do tworzenia prezentacji multimedialnych... 2 Ćwiczenie 1: Kreator
Bardziej szczegółowoElementy inteligencji obliczeniowej
Elementy inteligencji obliczeniowej Paweł Liskowski Institute of Computing Science, Poznań University of Technology 9 October 2018 1 / 19 Perceptron Perceptron (Rosenblatt, 1957) to najprostsza forma sztucznego
Bardziej szczegółowoOBLICZENIA ZA POMOCĄ PROTEIN
OBLICZENIA ZA POMOCĄ PROTEIN KODOWANIE I PRZETWARZANIE INFORMACJI W ORGANIZMACH Informacja genetyczna jest przechowywana w DNA i RNA w postaci liniowych sekwencji nukleotydów W genach jest przemieniana
Bardziej szczegółowoTemat: Prezentacje ciąg dalszy
technologia informacyjna (semestr 5 / LO nr 1) Lekcja numer 24 Temat: Prezentacje ciąg dalszy W tej lekcji spróbujemy ulepszyć naszą prezentację. Na początek zmienimy tła kilku slajdów. W lewej ramce (Slajdy)
Bardziej szczegółowoWymagania dotyczące sprawozdań. Proszę przeczytać uważnie i zastosować się do niżej wymienionych wskazówek.
Wymagania dotyczące sprawozdań. Proszę przeczytać uważnie i zastosować się do niżej wymienionych wskazówek. Treść sprawozdania powinna być ułożona logicznie i chronologicznie. Na początku:. Imię i Nazwisko,
Bardziej szczegółowoWstęp 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 szczegółowoSUM Edukacja Techniczno Informatyczna Języki i Systemy Programowania. ł ęść. dr Artur Bartoszewski - WYKŁAD: Języki i Systemy Programowania,
SUM Edukacja Techniczno Informatyczna Języki i Systemy Programowania ł ęść 1 SUM Edukacja Techniczno Informatyczna Języki i Systemy Programowania 2 I. Aimowany baner Animowany Baner 3 I. Aimowany baner
Bardziej szczegółowoJak wspomagać pasje poznawcze dzieci i nauczycieli neurodydaktyka w praktyce
Jak wspomagać pasje poznawcze dzieci i nauczycieli neurodydaktyka w praktyce dr Renata Jagodzińska Wojewódzki Ośrodek Doskonalenia Nauczycieli w Łodzi renatajagodzinska@poczta.fm KILKA WAŻNYCH SŁÓW POTENCJAŁ
Bardziej szczegółowoIMPLEMENTACJA SIECI NEURONOWYCH MLP Z WALIDACJĄ KRZYŻOWĄ
IMPLEMENTACJA SIECI NEURONOWYCH MLP Z WALIDACJĄ KRZYŻOWĄ Celem ćwiczenia jest zapoznanie się ze sposobem działania sieci neuronowych typu MLP (multi-layer perceptron) uczonych nadzorowaną (z nauczycielem,
Bardziej szczegółowoALGORYTMY SZTUCZNEJ INTELIGENCJI
ALGORYTMY SZTUCZNEJ INTELIGENCJI Sieci neuronowe 06.12.2014 Krzysztof Salamon 1 Wstęp Sprawozdanie to dotyczy ćwiczeń z zakresu sieci neuronowych realizowanym na przedmiocie: Algorytmy Sztucznej Inteligencji.
Bardziej szczegółowoNeurologia dla studentów wydziału pielęgniarstwa. Bożena Adamkiewicz Andrzej Głąbiński Andrzej Klimek
Neurologia dla studentów wydziału pielęgniarstwa Bożena Adamkiewicz Andrzej Głąbiński Andrzej Klimek Spis treści Wstęp... 7 Część I. Wiadomości ogólne... 9 1. Podstawy struktury i funkcji układu nerwowego...
Bardziej szczegółowoWymagania edukacyjne z informatyki w klasie VIII
Wymagania edukacyjne z informatyki w klasie VIII Wymagania konieczne K dotyczą zagadnień elementarnych, stanowiących swego rodzaju podstawę, powinien je zatem opanować każdy uczeń. Wymagania podstawowe
Bardziej szczegółowo5.4. Efekty specjalne
5.4. Efekty specjalne Przedstawiliśmy już sobie sporo kwestii związanych z dodawaniem, edytowaniem czy usuwaniem elementów, które możemy zamieścić w prezentacji. Ale pomyłką było by stwierdzenie, że więcej
Bardziej szczegółowoBadacze zbudowali wiele systemów technicznych, naśladujących w komputerze ludzki mózg. Najbardziej pożyteczne okazały się sieci neuronowe.
Naśladując w komputerze ludzki mózg staramy się połączyć zalety komputera (dostępność i szybkość działania) z zaletami mózgu (zdolność do uczenia się) informatyka + 2 Badacze zbudowali wiele systemów technicznych,
Bardziej szczegółowo1. Eliminuje się ze zbioru potencjalnych zmiennych te zmienne dla których korelacja ze zmienną objaśnianą jest mniejsza od krytycznej:
Metoda analizy macierzy współczynników korelacji Idea metody sprowadza się do wyboru takich zmiennych objaśniających, które są silnie skorelowane ze zmienną objaśnianą i równocześnie słabo skorelowane
Bardziej szczegółowow kontekście percepcji p zmysłów
Układ nerwowy człowieka w kontekście percepcji p zmysłów Układ nerwowy dzieli się ę na ośrodkowy i obwodowy. Do układu nerwowego ośrodkowego zalicza się mózgowie (mózg, móżdżek i pień mózgu) oraz rdzeń
Bardziej szczegółowoMatematyka Stosowana na Politechnice Wrocławskiej. Komitet Matematyki PAN, luty 2017 r.
Matematyka Stosowana na Politechnice Wrocławskiej Komitet Matematyki PAN, luty 2017 r. Historia kierunku Matematyka Stosowana utworzona w 2012 r. na WPPT (zespół z Centrum im. Hugona Steinhausa) studia
Bardziej szczegółowoELEMENTY SZTUCZNEJ INTELIGENCJI. Sztuczne sieci neuronowe
ELEMENTY SZTUCZNEJ INTELIGENCJI Sztuczne sieci neuronowe Plan 2 Wzorce biologiczne. Idea SSN - model sztucznego neuronu. Perceptron prosty i jego uczenie regułą delta Perceptron wielowarstwowy i jego uczenie
Bardziej szczegółowoPLAN WYNIKOWY Z INFORMATYKI DLA KLASY VI
PLAN WYNIKOWY Z INFORMATYKI DLA KLASY VI Program Informatyka 2000 DKW-4014-56/99 2 godziny tygodniowo Ok. 60 godzin lekcyjnych Lp. Zagadnienie Ilość lekcji Tematy lekcji 1. Technika 5 1. Lekcja komputerowa
Bardziej szczegółowoINFORMATYKA W SELEKCJI
INFORMATYKA W SELEKCJI INFORMATYKA W SELEKCJI - zagadnienia 1. Dane w pracy hodowlanej praca z dużym zbiorem danych (Excel) 2. Podstawy pracy z relacyjną bazą danych w programie MS Access 3. Systemy statystyczne
Bardziej szczegółowoSCENARIUSZ LEKCJI BIOLOGII Z WYKORZYSTANIEM FILMU DOBRZE MIEĆ O(G)LEJ W GŁOWIE. O KOMÓRKACH UKŁADU NERWOWEGO.
SCENARIUSZ LEKCJI BIOLOGII Z WYKORZYSTANIEM FILMU DOBRZE MIEĆ O(G)LEJ W GŁOWIE. O KOMÓRKACH UKŁADU NERWOWEGO. SPIS TREŚCI: I. Wprowadzenie. II. Części lekcji. 1. Część wstępna. 2. Część realizacji. 3.
Bardziej szczegółowosieci jednowarstwowe w MATLABie LABORKA Piotr Ciskowski
sieci jednowarstwowe w ATLABie LABORKA Piotr Ciskowski trzy funkcje do obsługi sieci jednowarstwowej : init1.m - tworzy sieć, inicjuje wagi (losowo) dzialaj1.m symuluje działanie sieci (na pojedynczym
Bardziej szczegółowoTytuł pracy dyplomowej
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie AGH University of Science and Technology Tytuł pracy dyplomowej Twoje imię i nazwisko W ydział M atematyki S tosowanej Dzisiejsza data Twoje
Bardziej szczegółowoBiologiczne mechanizmy zachowania - fizjologia. zajecia 1 :
Biologiczne mechanizmy zachowania - fizjologia zajecia 1 : 8.10.15 Kontakt: michaladammichalowski@gmail.com https://mmichalowskiuwr.wordpress.com/ II gr 08:00 10:0 III gr 10:15 11:45 IV gr 12:00 13:30
Bardziej szczegółowoTematy lekcji informatyki klasa 4a listopad 2012
Tematy lekcji informatyki klasa 4a listopad 2012 temat 4. z podręcznika (str. 42-48); Czym jest i do czego służy system operacyjny? 10, 11 Działanie komputera i sieci komputerowej pytania 8-12 (str. 46);
Bardziej szczegółowoPodstawy tworzenia prezentacji w programie Microsoft PowerPoint 2007
Podstawy tworzenia prezentacji w programie Microsoft PowerPoint 2007 opracowanie: mgr Monika Pskit 1. Rozpoczęcie pracy z programem Microsoft PowerPoint 2007. 2. Umieszczanie tekstów i obrazów na slajdach.
Bardziej szczegółowoField of study: Computational Engineering Study level: First-cycle studies Form and type of study: Full-time studies. Auditorium classes.
Faculty of: Metals and Industrial Computer Science Field of study: Computational Study level: First-cycle studies Form and type of study: Full-time studies Annual: 2014/2015 Lecture language: Polish Project
Bardziej szczegółowoSztuczne sieci neuronowe
Wydział Zarządzania AGH Katedra Informatyki Stosowanej Sztuczne sieci neuronowe Sztuczne sieci neuronowe Wprowadzenie Trochę historii Podstawy działania Funkcja aktywacji Typy sieci 2 Wprowadzenie Zainteresowanie
Bardziej szczegółowoSieci neuronowe (wprowadzenie)
Sieci neuronowe (wprowadzenie) Ryszard Tadeusiewicz Laboratorium Biocybernetyki Katedra Automatyki AGH Zacznijmy od formalnej definicji: sieć neuronowa to urządzenie techniczne lub algorytm, którego działanie
Bardziej szczegółowoWymagania na poszczególne oceny w klasach 3 gimnazjum
Wymagania na poszczególne oceny w klasach 3 gimnazjum Znaczenie komputera we współczesnym świecie Przypomnienie wiadomości na temat języka HTML Wstawianie tabeli na stronę WWW Wstawianie listy punktowanej
Bardziej szczegółowoDaniel Kierepka. Kompresja obrazów za pomoc sztucznych sieci neuronowych
Daniel Kierepka Kompresja obrazów za pomoc sztucznych sieci neuronowych We współczesnym wiecie do duym problemem jest przesyłanie danych o znacznej wielkoci w sieciach telekomunikacyjnych. W tej pracy
Bardziej szczegółowoSlajdy. 1. STRONA uruchom program PowerPoint usuń ramki z napisami Narzędzia główne Układ Pusty
Prezentacja na tablicę multimedialną przygotowana w PowerPoint Zrzuty ekranowe Pobieranie grafik z internetu Kadrowanie i skalowanie Pobieranie linków z internetu Slajdy 1. STRONA uruchom program PowerPoint
Bardziej szczegółowoANALIZA WŁAŚCIWOŚCI FILTRU PARAMETRYCZNEGO I RZĘDU
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 78 Electrical Engineering 2014 Seweryn MAZURKIEWICZ* Janusz WALCZAK* ANALIZA WŁAŚCIWOŚCI FILTRU PARAMETRYCZNEGO I RZĘDU W artykule rozpatrzono problem
Bardziej szczegółowoMODELOWANIE RZECZYWISTOŚCI
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN d.wojcik@nencki.gov.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/ Podręcznik Iwo Białynicki-Birula Iwona
Bardziej szczegółowoSztuczne 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 szczegółowoAlgorytmy sztucznej inteligencji
Algorytmy sztucznej inteligencji Dynamiczne sieci neuronowe 1 Zapis macierzowy sieci neuronowych Poniżej omówione zostaną części składowe sieci neuronowych i metoda ich zapisu za pomocą macierzy. Obliczenia
Bardziej szczegółowoRozdział 1 Sztuczne sieci neuronowe. Materiały do zajęć dydaktycznych - na podstawie dokumentacji programu Matlab opracował Dariusz Grzesiak
2 Rozdział 1 Sztuczne sieci neuronowe. 3 Sztuczna sieć neuronowa jest zbiorem prostych elementów pracujących równolegle, których zasada działania inspirowana jest biologicznym systemem nerwowym. Sztuczną
Bardziej szczegółowoNajprostsze modele sieci z rekurencją. sieci Hopfielda; sieci uczone regułą Hebba; sieć Hamminga;
Sieci Hopfielda Najprostsze modele sieci z rekurencją sieci Hopfielda; sieci uczone regułą Hebba; sieć Hamminga; Modele bardziej złoŝone: RTRN (Real Time Recurrent Network), przetwarzająca sygnały w czasie
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 szczegółowoHarmonogram szkolenia Kurs umiejętności komputerowych ECDL na poziomie BASE
Harmonogram szkolenia Kurs umiejętności komputerowych ECDL na poziomie BASE 9.08-19.09.016 Poszczególne daty zajęć Godziny realizacji zajęć (od-do) Osoba prowadząca zajęcia Temat zajęć edukacyjnych Opis
Bardziej szczegółowoZagadnienia optymalizacji i aproksymacji. Sieci neuronowe.
Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe. zajecia.jakubw.pl/nai Literatura: S. Osowski, Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa 997. PODSTAWOWE ZAGADNIENIA TECHNICZNE AI
Bardziej szczegółowoZAJĘCIA KOMPUTEROWE - PLAN PRACY W KL. 3. Uczeń: - zna pojęcie Internet,
ZAJĘCIA KOMPUTEROWE - PLAN PRACY W KL. 3 MIESIĄC Nr lekcji L.p. TEMAT ZAJĘĆ CELE ODNIESIENIA DO PP wrzesień 1 2 Witaj, w trzeciej klasie! Wakacyjny pamiętnik Uczeń: - zna zasady obowiązujące w pracowni
Bardziej szczegółowoField of study: Computer Science Study level: First-cycle studies Form and type of study: Full-time studies. Auditorium classes.
Faculty of: Faculty of Electrical Engineering, Automatics, Computer Science and Biomedical Engineering Field of study: Computer Science Study level: First-cycle studies Form and type of study: Full-time
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
Stefan Sokołowski SZTUCZNA INTELIGENCJA Inst Informatyki UG, Gdańsk, 2009/2010 Wykład1,17II2010,str1 SZTUCZNA INTELIGENCJA reguły gry Zasadnicze informacje: http://infugedupl/ stefan/dydaktyka/sztintel/
Bardziej szczegółowoBłona komórkowa grubość od 50 do 100 A. Istnieje pewna różnica potencjałów, po obu stronach błony, czyli na błonie panuje pewne
Błona komórkowa grubość od 50 do 100 A Istnieje pewna różnica potencjałów, po obu stronach błony, czyli na błonie panuje pewne napięcie elektryczne, zwane napięciem na błonie. Różnica potencjałów to ok.
Bardziej szczegółowoBłona komórkowa grubość od 50 do 100 A. Istnieje pewna różnica potencjałów, po obu stronach błony, czyli na błonie panuje pewne
Błona komórkowa grubość od 50 do 100 A Istnieje pewna różnica potencjałów, po obu stronach błony, czyli na błonie panuje pewne napięcie elektryczne, zwane napięciem na błonie. Różnica potencjałów to ok.
Bardziej szczegółowoUczenie 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 szczegółowoUczenie 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 szczegółowoSemestr 1 suma pkt ECTS dla wszystkich kursów w semestrze: 30
1. Zestaw kursów i grup kursów obowiązkowych i wybieralnych w układzie semestralnym Załącznik nr3 Semestr 1 suma pkt dla wszystkich kursów w semestrze: 30 Kursy obowiązkowe suma pkt : 30 Lp Kod kursu pkt
Bardziej szczegółowoPraca z widokami i nawigacja w pokazie
Poniższe ćwiczenie ma na celu zapoznanie z ogólnymi zasadami pracy w środowisku MS PowerPoint oraz najczęściej wykorzystywanymi mechanizmami służącymi do dodawania i edycji slajdów. Należy pobrać ze wskazanej
Bardziej szczegółowokonspekt pojedynczy slajd sortowanie slajdów strona notatek 1. Widok normalny/konspekt 2. Widok sortowania slajdów 3.
Poniższe ćwiczenie ma na celu zapoznanie z ogólnymi zasadami pracy w środowisku MS PowerPoint oraz najczęściej wykorzystywanymi mechanizmami służącymi do dodawania i edycji slajdów. Należy pobrać ze wskazanej
Bardziej szczegółowoCopyright by Wydawnictwo EPROFESS. Żory Wydanie I ISBN: Projekt okładki: Jacek Piekarczyk. Fotografia: Łukasz Malcharek
Copyright by Wydawnictwo EPROFESS Żory 2010 Wydanie I ISBN: 978-83-930208-5-0 Projekt okładki: Jacek Piekarczyk Fotografia: Łukasz Malcharek Skład: EPROFESS, Żory Wydawnictwo EPROFESS Żory www.eprofess.pl
Bardziej szczegółowoPolitechnika Lubelska
Politechnika Lubelska Wydział Zarządzania i Podstaw Techniki Temat: Sieć neuronowa do klasyfikacji rodzaju węgla kamiennego. Prowadzący: Wykonał: Dr Popko Artur Marek Harasimiuk ETI 5.3. (gr. lab. 5.5)
Bardziej szczegółowoUniwersytet Mikołaja Kopernika. Wydział Matematyki i Informatyki. Jarosław Piersa piersaj(at)mat.uni.torun.pl
Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki Jarosław Piersa piersaj(at)mat.uni.torun.pl Abstrakt Poniższy referat dotyczy zagadnień uczenia w sieciach neuronowych i bayesowskich(sieciach
Bardziej szczegółowoRozkład materiału realizacji informatyki w szkole podstawowej w wymiarze 2 godzin w cyklu trzyletnim
Rozkład materiału realizacji informatyki w szkole podstawowej w wymiarze 2 godzin w cyklu trzyletnim Autor: Danuta Kiałka Podręcznik: Informatyka Europejczyka (149/05) Danuta Kiałka z zespołem Program
Bardziej szczegółowoROZKŁAD MATERIAŁU Z PRZEDMIOTU INFORMATYKA dla LICEUM
Urszula Wrzaskowska ROZKŁAD MATERIAŁU Z PRZEDMIOTU INFORMATYKA dla LICEUM Lp BLOK TEMATYCZNY Ilość Temat zajęć godzin. Zapoznanie z programem nauczania. Regulamin pracowni i zasady pracy z komputerem.
Bardziej szczegółowo