Uniwersytet Mikołaja Kopernika w Toruniu - Centralny punkt logowania
Strona główna

Wstęp do sieci neuronowych

Informacje ogólne

Kod przedmiotu: 1000-I1WSN
Kod Erasmus / ISCED: (brak danych) / (0613) Tworzenie i analiza oprogramowania i aplikacji Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Wstęp do sieci neuronowych
Jednostka: Wydział Matematyki i Informatyki
Grupy: Inf., I st., stacjonarne, 3 rok, przedmioty do wyboru
Punkty ECTS i inne: 6.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: polski
Wymagania wstępne:

Kursy programowania I oraz II, Algorytmy i struktury danych, znajomość przynajmniej jednego języka programowania i bibliotek do budowy GUI, podstawowa wiedza z Algebry liniowej

Całkowity nakład pracy studenta:

Wykład 30h: egzamin ustny i pisemny


Laboratoria 30h: zadania w trakcie laboratoriów, zalicznie: projekty programistyczne (około 6, minimum 3 na zaliczenie), możliwe referaty (nieobowiązkowe)


Praca własna studenta: ok 80-120h: przygotowanie projektów

Efekty uczenia się - wiedza:

W wyniku przeprowadzonych zajęć student powinien być w stanie:

* pobieżnie scharakteryzować biologiczne motywacje stojące za sztucznymi sieciami neuronowymi, INZ_W02

* sformułować podstawowe modele neuronów i sieci neuronowych, ich dynamikę, algorytmy uczenia nadzorowanego i nienadzorowanego, zastosowania, INZ1_W04

* wytłumaczyć mechanizmy, działania, limity i ograniczenia ANN w terminach geometrycznych, INZ_W01

Efekty uczenia się - umiejętności:

W wyniku przeprowadzonych zajęć student powinien umieć:

* dobrać do problemu, zaimplementować i przeanalizować właściwy model sieci neuronowej wraz z algorytmami uczenia, INZ1_U01, INZ1_U07

* dobrać lub zaprojektować adekwatny sposób prezentacji wyników programu (graf, tabela, wykres, itp.), INZ1_U15


Efekty uczenia się - kompetencje społeczne:

W wyniku przeprowadzonych zajęć student nabędzie następujące postawy:

* postrzeganie relacji pomiędzy narzędziami matematycznymi a modelami stosowanymi w informatyce, INZ_K03

* kreatywność w implementowaniu i konstruowaniu rozwiązań, INZ_K02

* skuteczność prezentowania numerycznych i abstrakcyjnych wyników, INZ_K05

* świadomość wad i zalet numerycznych metod rozwiązywania problemów obliczeniowych, INZ_K03


Metody dydaktyczne:

Wykład, forma bezpośrednia: prezentacja i dyskusja, wsparcie platformy moodle


Laboratoria, forma bezpośrednia: zadania w trakcie zajęć i zadania / projekty programistyczne, referaty (nieobowiązkowe), wsparcie platformy moodle

Metody dydaktyczne eksponujące:

- pokaz
- symulacyjna (gier symulacyjnych)

Metody dydaktyczne podające:

- wykład informacyjny (konwencjonalny)

Metody dydaktyczne poszukujące:

- laboratoryjna
- projektu
- referatu

Skrócony opis:

Celem zajęć jest zapoznanie studentów z klasycznymi i współczesnymi koncepcjami zastosowania sztucznych sieci neuronowych w problematyce sztucznej inteligencji oraz uczeniu maszynowym.

Przedmiot jest obowiązkowy dla studentów czwartego roku studiów informatyka inżynierska. Przedmiot może być traktowany jako przedmiot do wyboru dla studentów drugiego stopnia informatyki po studiach licencjackich.

Zajęciom towarzyszą laboratoria o charakterze programistycznym.

Pełny opis:

Celem zajęć jest zapoznanie studentów z klasycznymi i współczesnymi koncepcjami zastosowania sztucznych sieci neuronowych w problematyce sztucznej inteligencji oraz uczeniu maszynowym.

Program wykładu:

* Biologiczny model komórki neuronowej,

* Model i algorytmy uczenia perceptronu prostego,

* Inne modele pojedynczego neuronu:

- maszyna liniowa,

- jednostka AdaLiNe (Adaptive Linear Neuron),

- warstwa radialnych funkcji bazowych (RBF),

* Algorytm wstecznej propagacji błędu,

* Walidacja jakości uczenia,

* Paradygmaty uczenia nadzorowanego i nienadzorowanego,

* Przegląd algorytmów samoorganizacji,

- Mapy samoorganizacyjne Kohonena,

- algorytm k-means (k średnich),

* Analiza składowych głównych (PCA),

* Sieci Rekurencyjne, konstrukcja autoasocjatora Hopfielda,

* Maszyny Boltzmanna, symulowane wyżarzanie.

Literatura:

Literatura podstawowa:

[1] R. Rojas Neural Networks, A Systematic Introduction, Springer 1996,

[2] P. Peretto, Introduction to Modelling Neural Networks, Cambridge University Press 1994,

Literatura uzupełniająca:

[1] C. Bishop, Neural Networks for Pattern Recognition, Oxford University Press 1995.

[2] J. Mańdziuk, Sieci Neuronowe Typu Hopfielda. Teoria i Przykłady Zastosowań, Akademica Oficyna Wydawnicza EXIT, Warszawa 2000.

[3] E. Izhikevich, Dynamical Systems in Neuroscience, The MIT Press, Cambridge, Massachusetts, London, England, 2007,

Metody i kryteria oceniania:

Wykład

* egzamin ustny i pisemny

Laboratoria

* zaliczenie na ocenę

* zadania programistyczne (3 do 6 programów)

Praktyki zawodowe:

Nie dotyczy.

Zajęcia w cyklu "Semestr zimowy 2021/22" (zakończony)

Okres: 2021-10-01 - 2022-02-20
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin, 16 miejsc więcej informacji
Wykład, 30 godzin, 80 miejsc więcej informacji
Koordynatorzy: Andrzej Rutkowski
Prowadzący grup: Andrzej Rutkowski, Krzysztof Rykaczewski
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Laboratorium - Zaliczenie na ocenę
Wykład - Egzamin

Zajęcia w cyklu "Semestr letni 2022/23" (zakończony)

Okres: 2023-02-20 - 2023-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin, 16 miejsc więcej informacji
Wykład, 30 godzin, 80 miejsc więcej informacji
Koordynatorzy: Krzysztof Rykaczewski
Prowadzący grup: Andrzej Rutkowski, Krzysztof Rykaczewski
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Laboratorium - Zaliczenie na ocenę
Wykład - Egzamin

Zajęcia w cyklu "Semestr letni 2023/24" (w trakcie)

Okres: 2024-02-20 - 2024-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin, 16 miejsc więcej informacji
Wykład, 30 godzin, 32 miejsc więcej informacji
Koordynatorzy: Krzysztof Rykaczewski
Prowadzący grup: Andrzej Rutkowski, Krzysztof Rykaczewski
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Laboratorium - Zaliczenie na ocenę
Wykład - Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.
ul. Jurija Gagarina 11, 87-100 Toruń tel: +48 56 611-40-10 https://usosweb.umk.pl/ kontakt deklaracja dostępności USOSweb 7.0.2.0-1 (2024-03-12)