Inteligentne systemy informacyjne

Podobne dokumenty
Wstęp do teorii sztucznej inteligencji Wykład II. Uczenie sztucznych neuronów.

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

Sztuczne sieci neuronowe (SNN)

Wstęp do teorii sztucznej inteligencji Wykład III. Modele sieci neuronowych.

Sztuczne sieci neuronowe

Wstęp do sztucznych sieci neuronowych

Metody i techniki sztucznej inteligencji / Leszek Rutkowski. wyd. 2, 3 dodr. Warszawa, Spis treści

1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN. Agenda

Sztuczna Inteligencja Tematy projektów Sieci Neuronowe

Metody sztucznej inteligencji

MODELOWANIE RZECZYWISTOŚCI

Inteligencja. Władysław Kopaliśki, Słownik wyrazów obcych i zwrotów obcojęzycznych

Inteligentne systemy decyzyjne: Uczenie maszynowe sztuczne sieci neuronowe

synaptycznych wszystko to waży 1.5 kg i zajmuje objętość około 1.5 litra. A zużywa mniej energii niż lampka nocna.

SIECI NEURONOWE Liniowe i nieliniowe sieci neuronowe

Wykład 1: Wprowadzenie do sieci neuronowych

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD X: Sztuczny neuron

Optymalizacja optymalizacji

SIECI NEURONOWE Wprowadzenie

Systemy Inteligentnego Przetwarzania wykład 1: sieci elementarne

Sieci neuronowe do przetwarzania informacji / Stanisław Osowski. wyd. 3. Warszawa, Spis treści

Temat: Sieci neuronowe oraz technologia CUDA

Wprowadzenie do teorii systemów ekspertowych

Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe.

Sieci neuronowe jako sposób na optymalizacje podejmowanych decyzji. Tomasz Karczyoski Wydział W-08 IZ

ZASTOSOWANIA SIECI NEURONOWYCH

HAŁASU Z UWZGLĘDNIENIEM ZJAWISK O CHARAKTERZE NIELINIOWYM

ELEMENTY SZTUCZNEJ INTELIGENCJI. Sztuczne sieci neuronowe

Uczenie sieci neuronowych i bayesowskich

Metody Sztucznej Inteligencji II

Przetwarzanie danych i rozwiązywanie problemów

Sztuczne sieci neuronowe

METODY INTELIGENCJI OBLICZENIOWEJ wykład 4

SZTUCZNE SIECI NEURONOWE

wiedzy Sieci neuronowe

OCENA DZIAŁANIA AE. METODY HEURYSTYCZNE wykład 4 LOSOWOŚĆ W AE KRZYWE ZBIEŻNOŚCI ANALIZA STATYSTYCZNA:

Sztuczne sieci neuronowe

Temat: Sztuczne Sieci Neuronowe. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

8. Neuron z ciągłą funkcją aktywacji.

SZTUCZNE SIECI NEURONOWE

Zastosowanie metod eksploracji danych Data Mining w badaniach ekonomicznych SAS Enterprise Miner. rok akademicki 2013/2014

SIEĆ NEURONOWA JAKO NARZĘDZIE APROKSYMACJI I KLASYFIKACJI DANYCH. Jakub Karbowski Gimnazjum nr 17 w Krakowie

Sztuczne Sieci Neuronowe

Praktyczne informacje o sieciach neuronowych. Elżbieta Dłubis. Państwowa Wyższa Szkoła Zawodowa w Chełmie

Sztuczne Sieci Neuronowe. Wiktor Tracz Katedra Urządzania Lasu, Geomatyki i Ekonomiki Leśnictwa, Wydział Leśny SGGW

Wstęp do kognitywistyki. Wykład 3: Logiczny neuron. Rachunek sieci neuronowych

Obliczenia Naturalne - Sztuczne sieci neuronowe

Wstęp do sieci neuronowych laboratorium 01 Organizacja zajęć. Perceptron prosty

ZACHODNIOPOMORSKI UNIWERSYTET TECHNOLOGICZNY W SZCZECINIE

SIECI REKURENCYJNE SIECI HOPFIELDA

Sieci neuronowe (wprowadzenie)

Inteligentne systemy decyzyjne: Uczenie maszynowe sztuczne sieci neuronowe

Specjalność: Komputerowe systemy sterowania i diagnostyki

Sieci M. I. Jordana. Sieci rekurencyjne z parametrycznym biasem. Leszek Rybicki. 30 listopada Leszek Rybicki Sieci M. I.

Inteligentne systemy przeciw atakom sieciowym

Sieci neuronowe. - wprowadzenie - Istota inteligencji. WYKŁAD Piotr Ciskowski

Sztuczna inteligencja

Technologia informacyjna Sztuczna Inteligencja Janusz Uriasz

Sieć Hopfielda. Sieci rekurencyjne. Ewa Adamus. ZUT Wydział Informatyki Instytut Sztucznej Inteligencji i Metod Matematycznych.

Zastosowania sieci neuronowych

x 1 x 2 x 3 x n w 1 w 2 Σ w 3 w n x 1 x 2 x 1 XOR x (x A, y A ) y A x A

studia I stopnia, stacjonarne rok akademicki 2017/2018 Elektrotechnika

mgr inż. Maciej Rudek opracował: dr inż. Daniel Kopiec

studia I stopnia, niestacjonarne rok akademicki 2017/2018 Elektrotechnika

Rozdział 1 Sztuczne sieci neuronowe. Materiały do zajęć dydaktycznych - na podstawie dokumentacji programu Matlab opracował Dariusz Grzesiak

Najprostsze modele sieci z rekurencją. sieci Hopfielda; sieci uczone regułą Hebba; sieć Hamminga;

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2)

Podstawy sztucznej inteligencji

KARTA MODUŁU KSZTAŁCENIA

IMPLEMENTACJA SIECI NEURONOWYCH MLP Z WALIDACJĄ KRZYŻOWĄ

I EKSPLORACJA DANYCH

Sieci neuronowe i ich ciekawe zastosowania. Autor: Wojciech Jamrozy III rok SMP / Informatyka

Sztuczne sieci neuronowe

Specjalność: Komputerowe systemy sterowania i diagnostyki. Strona 1 z 5

Lekcja 5: Sieć Kohonena i sieć ART

METODY INŻYNIERII WIEDZY

ECTS - program studiów kierunku Automatyka i robotyka, Studia I stopnia, rok akademicki 2015/2016

Prognozowanie kierunku ruchu indeksów giełdowych na podstawie danych historycznych.

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

Sieci neuronowe i algorytmy uczenia Czyli co i jak andrzej.rusiecki.staff.iiar.pwr.wroc.pl s.

Sieć przesyłająca żetony CP (counter propagation)

Elementy inteligencji obliczeniowej

Elementy Sztucznej Inteligencji. Sztuczne sieci neuronowe cz. 2

PROGNOZOWANIE OSIADAŃ POWIERZCHNI TERENU PRZY UŻYCIU SIECI NEURONOWYCH**

Wstęp do teorii sztucznej inteligencji

Sztuczna inteligencja

Wstęp. Spis treści. Krótka historia sztucznych sieci neuronowych. powrót

Sieci Neuronowe. Wykład 1 Wstęp do Sieci Neuronowych

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

SZTUCZNA INTELIGENCJA

CZYM SĄ OBLICZENIA NAT A URALNE?

Zastosowania sieci neuronowych

PRZEWODNIK PO PRZEDMIOCIE

Stefan Sokołowski SZTUCZNAINTELIGENCJA. Inst. Informatyki UG, Gdańsk, 2009/2010

Sztuczne Sieci Neuronowe

1. Architektury, algorytmy uczenia i projektowanie sieci neuronowych

Podstawy Sztucznej Inteligencji Sztuczne Sieci Neuronowe. Krzysztof Regulski, WIMiIP, KISiM, B5, pok. 408

Relacja: III Seminarium Naukowe "Inżynierskie zastosowania technologii informatycznych"

METODY INTELIGENCJI OBLICZENIOWEJ wykład 5

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD XI: Sztuczne sieci neuronowe

Transkrypt:

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 strona 3

Dwa nurty AI wykorzystanie metod "racjonalnych", "sztucznych" (logika, algebra, lingwistyka), symulacja rozwiązań stworzonych przez matke naturę": sieci neuronowe, ewolucja, darwinowski dobór naturalny. M. Muraszkiewicz strona 4

O mózgu ludzkim If the human brain were so simple that we could understand it, we would be so simple that we couldn t. Emmerson M. Pough M. Muraszkiewicz strona 5

Parametry objętość: ok. 1400 cm3, masa: ok. 1,5 kg, powierzchnia: ok. 2000 cm2 - kula o tek samej objętości ma zaledwie 600 cm2 ), ok. 10 10 komórek nerwowych, 10 12 komórek glejowych, liczba połączeń - ok. 1015 przy średniej odległości od 0,01 mm do 1m. Komórki nerwowe przyjmują i wysyłają impulsy o częstotliwości 1-100 Hz, czasie trwania 1-2 ms, napięciu 100 mv i szybkości propagacji 1-100 m/s. Szybkość pracy mózgu 10 18 operacji/s (przetwarzanie równoległe). Pojemność informacyjna kanałów zmysłów: -- wzrok - 100 Mb/s, -- dotyk - 1 Mb/s, -- słuch - 15 Kb/s, -- wech - 1 Kb/s, -- smak - 100 b/s. (dane za R. Tadeusiewicz, Sieci neuronowe ). M. Muraszkiewicz strona 6

Historia i definicja M. Muraszkiewicz strona 7

Krótka historia W. McCulloch, W. Pitts - pierwszy matematyczny model komórki nerwowej (1943), D. Hebb zasada uaktualniania wag połączeń, Perceptron F. Rosenblatta (1957) do rozpoznawania znaków alfanumerycznych, B. Widrow, M. Hoff ADALINE M. Minsky (1969) - pokazał ograniczenia prostych sieci neuronowych, co osłabiło intensywność badań w latach '70tych, Sieci J. Hopfielda ze sprzężeniem zwrotnym (1982), Prace J. Andersona (1988) - "powrót sieci". Warren McCulloch 1898-1969 M. Muraszkiewicz strona 8

Definicja intuicyjna Sieć neuronowa jest zbiorem prostych procesorów ("neuronów") połączonych w pewien sposób. Neuron może mieć wiele wejść (synapsy). Ma tylko jedno wyjście. Synapsom można przypisać wagi, których wartość może podlegać zmianom. Topologia połączeń oraz wagi stanowią program działania sieci. Sygnały wyjściowe sieci pojawiające się w odpowiedzi na sygnały wejściowe wyznaczają rozwiązanie stawianego sieci zadania. M. Muraszkiewicz strona 9

Definicja z Wikipedii Sieć neuronowa (sztuczna sieć neuronowa) to ogólna nazwa struktur matematycznych i ich programowych lub sprzętowych modeli, realizujących obliczenia lub przetwarzanie sygnałów poprzez rzędy elementów wykonujących pewną podstawową operację na swoim wejściu, zwanych neuronami. M. Muraszkiewicz strona 10

Typy sieci Sieci dzieli się często na: jednokierunkowe (feedforward), neuron ze sprzężeniem zwrotnym (Hopfielda). Inny podział sieci: liniowe, nieliniowe. X 1 X 2 w 1 w 2 Σ Y Proces uczenia neuronu (sieci) ma charakter iteracyjny. Neurony uzupełnia się procesorem zmiany wag oraz detektorem błędu, co prowadzi do modelu ADALINE (ADAptive LINear Element). X n w n Σ M. Muraszkiewicz strona 11

Głowne własności sieci adaptacja i samoorganizacja, równoległość przetwarzania, programowanie drogą uczenia się (z trenerem lub bez), odporność na uszkodzenia. M. Muraszkiewicz strona 12

Typy zastosowań predykcja, optymalizacja, klasyfikowanie i rozpoznawanie, kojarzenie danych, analiza danych, filtracja sygnałów,... M. Muraszkiewicz strona 13

Zastosowania diagnostyka układów elektronicznych badania psychiatryczne prognozy giełdowe prognozowanie sprzedaży poszukiwania ropy naftowej interpretacja badań biologicznych prognozy cen analiza badań medycznych planowanie remontów maszyn analiza mowy planowanie postępów w nauce analiza problemów produkcyjnych optymalizacja działalności handlowej analiza spektralna optymalizacja utylizacji odpadów dobór surowców selekcja celów śledztwa w kryminalistyce dobór pracowników sterowanie procesów przemysłowych... M. Muraszkiewicz strona 14

Warto zapoznać się z: Strona prof. W. Ducha, http://www.fizyka.umk.pl/~duch/neural.html zawiera stale aktualizowane linki Książka prof. R. Tadeusiewicza Sieci neuronowe, http://winntbg.bg.agh.edu.pl/skrypty/0001/ Sieci neuronowe, Anna Błażejewska, www.zeik.wns.amu.edu.pl/skk/mat/sieci_neuronowe.ppt Sztuczne sieci neuronowe, prof. Krzysztof Zaremba neutrino.fuw.edu.pl/public/ seminarium/03-04- zima/seminarium_hoza.ppt Wikipedia, http://pl.wikipedia.org/wiki/sieci_neuronowe Polskie towarzystwo Sieci Neuronowych, http://ptsn.pcz.czest.pl/ M. Muraszkiewicz strona 15

www.icie.com.pl/lect_pw.htm Dziękuję za uwagę M. Muraszkiewicz strona 16