Narzędzia sztucznej inteligencji

Narzędzia sztucznej inteligencji (NAI)

Sem. letni 2007/2008

Wykłady

Wykład 1 (PDF). Sztuczna inteligencja - historia, zastosowania. Program wykładu. Wstęp do automatycznej klasyfikacji.
Wykład 2 (PDF). Zadania optymalizacji i aproksymacji. Wstęp do sieci neuronowych: perceptron.
Wykład 3 (PDF). Uczenie sieci neuronowych. Algorytm wstecznej propagacji.
Wykład 4 (PDF). Metody reprezentacji wiedzy: drzewa decyzyjne, sieci neuronowe, zbiory rozmyte. Sieci Hopfielda.
Wykład 5 (PDF). Zadania optymalizacji dyskretnej. Algorytmy heurystyczne: zachłanny, wspinaczki, przeszukiwanie wiązkowe.
Wykład 6 (PDF). Modele obliczeń: maszyny Turinga, klasy P i NP. Przykłady problemów NP-trudnych.
Wykład 7 (PDF). Przykłady problemów optymalizacyjnych i heurystyk. Zasady budowy algorytmów opartych na sąsiedztwie.
Wykład 8 (PDF). Przeszukiwanie tabu. Algorytmy zrandomizowane. Generatory liczb losowych.
Wykład 9 (PDF). Algorytm wychładzania. Algorytmy mrówkowe. Obliczenia na DNA.
Wykład 10 (PDF). Sieci Kohonena. Algorytmy grupowania (clustering, analiza skupień).
Wykład 11 (PDF). Algorytmy ewolucyjne - ogólne zasady, terminologia. Algorytm genetyczny.
Wykład 12 (PDF). Algorytmy ewolucyjne - kodowanie problemów, twierdzenie o schematach, hipoteza o cegiełkach. Strategie ewolucyjne.
Wykład 13 (PDF). Algorytmy ewolucyjne - kodowanie permutacji, algorytmy hybrydowe, kodowanie strategii, programowanie genetyczne.

Warunki zaliczenia ćwiczeń ustalają prowadzący, zwykle jest to pozytywna ocena z kolokwium (lub ew. kolokwium poprawkowego) i projektu.
Warunkiem koniecznym przystąpienia do egzaminu (również poprawkowego) jest zaliczenie ćwiczeń. Nie ma możliwości warunkowego zaliczania egzaminu przed zaliczeniem ćwiczeń.
Otrzymanie oceny 5 z ćwiczeń zwalnia z egzaminu (można wówczas otrzymać ocenę 4 z możliwością jej ustnego poprawienia).
Egzamin pisemny będzie miał formę mieszaną, testowo-zadaniową. Przykładowe zadanie. Pytania będą dotyczyły wszystkich zagadnień omawianych na wykładzie. Niektóre pytania mogą mieć formę testu wyboru (na każde pytanie możliwa będzie odpowiedź "tak" lub "nie" z punktem ujemnym w przypadku złej odpowiedzi - a więc opłaca się nic nie zaznaczyć, jeśli nie będą Państwo pewni!).

Sieci neuronowe:

Program Lucasa Brockiego ilustrujący proces uczenia sieci neuronowej. Instrukcja obsługi wewnątrz archiwum (429 KB).
Algorytm propagacji wstecznej (dość dobry opis w rozdziale 7. książki do ściągnięcia).
Zastosowanie do kompresji obrazu.
Sieci neuronowe a zbiory rozmyte - wykład "Neural Fuzzy Systems".
Jedna z najobszerniejszych stron po polsku na temat sieci. Dużo ciekawych linków.
J.O.H.N. Sieci Hopfielda (pamięci asocjacyjne) - program w Javie do eksperymentowania. Inna prosta strona o sieciach Hopfielda.
Freeware i shareware - oprogramowanie do uczenia sieci neuronowych.

Systemy ekspertowe, reprezentacja wiedzy:

Złożoność obliczeniowa, metody optymalizacji:

Linki i przedmioty pokrewne:

P. Cichosz. Systemy uczące się. WNT, Warszawa 2000.
T.H. Cormen, C.E. Leiserson, R.L. Rivest. Wprowadzenie do algorytmów. WNT, Warszawa 1997.
S. Osowski. Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa 1997.
Z. Michalewicz. Algorytmy genetyczne + struktury danych = programy ewolucyjne.
D. Goldberg. Algorytmy genetyczne i ich zastosowania. WNT, Warszawa 1995.
Wieczorkowski, Zieliński. Komputerowe generatory liczb losowych. WNT, Warszawa 1997.