|
|
SZTUCZNA INTELIGENCJA i INTELIGENCJA OBLICZENIOWA
 |
Ten kurs przeznaczony jest dla studentów, którzy chcieliby zdobyć gruntowną wiedzę z zakresu sztucznej inteligencji (AI - artificial intelligence) oraz inteligencji obliczeniowej (CI - computational intelligence). W trakcie kursu poruszanych będzie wiele ciekawych zagadnień: począwszy od podstaw i interpretacji funkcjonowania biologicznych pierwowzorów, przez wytłumaczenie klasycznych metod i technik obliczeniowych z zakresu inteligencji obliczeniowej (tj. metoda k-NN, drzewa decyzyjne, SVM, sztuczne sieci neuronowe, algorytmy genetyczne, metody ewolucyjne, systemy rozmyte), aż po najnowsze odkrycia naukowe w zakresie sztucznej inteligencji dotyczące asocjacyjnych metod formowania wiedzy, systemów kognitywnych, inteligentnego wnioskowania i budowy interaktywnych systemów sztucznej inteligencji. W trakcie zajęć będzie można poznać i zrozumieć sposób działania biologicznych neuronów, a następnie przedstawione będą różne ich modele stosowane w obliczeniach i badaniach naukowych. Wiedza teoretyczne zdobyta w trakcie wykładów pozwoli na skuteczne modelowanie i reprezentację różnych zbiorów danych w inteligentnych systemach oraz zbudowanie przydatnych systemów wnioskujących, klasyfikujących, przewidujących i rozpoznających dane podobne do danych uczących. Taki proces nazywamy uogólnianiem (generalizacją) danych, co stanowi istotny aspekt i zarazem powód stosowania metod, technik i systemów sztucznej inteligencji. W trakcie kursu będzie można też zrozumieć sposób działania ludzkiego umysłu i pamięci, co pozwoli na bardziej efektywne uczenie się. Celem tego cyklu wykładów i ćwiczeń jest zdobycie wiedzy oraz praktycznych umiejętności stosowania narzędzi, metod i technik z zakresu sztucznej inteligencji. Poznane metody i techniki będą stosowane również do eksploracji danych (data mining) i wiedzy (knowledge mining) oraz do formowania i reprezentacji wiedzy w asocjacyjnych grafach neuronowych (associative neural graphs) w celu zbudowania inteligentnych systemów wnioskujących. |
 |
Co to znaczy skojarzone czy kojarzenie?
Jak modelować wiedzę i inteligencję?
Jak tworzyć szczutną inteligencję? |
|
Programy i aplikacje inteligencji obliczeniowej, eksploracji danych i odkrywania wiedzy:
Zbiory uczące (training data sets):
Bibliografia i literatura:
- Włodzisław Duch, Architektury kognitywne
- Mariusz Flasiński, Wstęp do sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa, 2011.
- Adrian Horzyk, Sztuczne systemy skojarzeniowe i asocjacyjna sztuczna inteligencja, Akademicka Oficyna Wydawnicza EXIT, Warszawa, 2013.
- Adrian Horzyk, How Does Generalization and Creativity Come into Being in Neural Associative Systems and How Does It Form Human-Like Knowledge?, Elsevier, Neurocomputing, 2014, pp. 238-257, DOI: 10.1016/j.neucom.2014.04.046, IF = 1,634.
- Adrian Horzyk, Innovative Types and Abilities of Neural Networks Based on Associative Mechanisms and a New Associative Model of Neurons - referat na zaproszenie na międzynarodowej konferencji ICAISC 2015, Springer Verlag, LNAI 9119, 2015, pp. 26-38, DOI 10.1007/978-3-319-19324-3_3 - prezentacja
- Wiesław Galus i Janusz Starzyk, Świadomość? Ależ to bardzo proste!, Bel Studio, Warszawa, 2018.
- Norbert Jankowski, Ontogeniczne sieci neuronowe. O sieciach zmieniających swoją strukturę., Akademicka Oficyna Wydawnicza EXIT, Warszawa, 2003.
- Andrzej Kisielewicz, Sztuczna inteligencja i logika, Wydanie II, Wydawnictwo WNT, Warszaw, 2014.
- Daniel T. Larose, Odkrywanie wiedzy z danych, Wydawnictwo naukowe PWN, Warszawa 2006.
- Antoni Ligęza, Logical Foundations for Rule-Based Systems, ISBN: 83-89388-37-5, Uczelniane Wydawnictwo Naukowo-Dydaktyczne AGH, Kraków, 2005.
- Antoni Ligęza, Logical Foundations for Rule-Based Systems, 2-nd edition, ISBN 978-3-540-29117-6, Studies in Computational Intelligence, Vol 11, Springer Verlag, Berlin, 2006.
- W. Lubaszewski, Słowniki komputerowe i automatyczna ekstrakcja informacji z tekstu, Wydawnictwa AGH, Kraków 2009.
- Andrzej Łachwa, Rozmyty świat zbiorów, liczb, relacji, faktów, reguł i decyzji, Akademicka Oficyna Wydawnicza EXIT, Warszawa, 2001.
- Jacek Mańdziuk, Sieci neuronowe typu Hopfielda. Teoria i przykłady zastosowań, Akademicka Oficyna Wydawnicza EXIT, Warszawa, 2000.
- Stanisław Osowski, Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2013.
- Stanisław Osowski, Metody i narzędzia eksploracji danych, Wydawnictwo BTC, Legionowo, 2013.
- Piotr Fulmański, Prolog, LISP, Haskell, Jess, systemy regułowe, predykaty, fakty, reguły, podstawy logiki, rachunek kwantyfikatorów.
- Leszek Rutkowski, Metody i techniki sztucznej inteligencji, Wydanie II, Wydawnictwo naukowe PWN, Warszawa 2012
- Katarzyna Stąpor, Automatyczna klasyfikacja obiektów, Akademicka Oficyna Wydawnicza EXIT, Warszawa, 2005.
- Ryszard Tadeusiewicz, Elementarne wprowadzenie do techniki sieci neuronowych z przykładowymi programami, w serii Problemy Współczesnej Nauki, Informatyka, Akademicka Oficyna Wydawnicza PLJ, Warszawa, 1998.
- Ryszard Tadeusiewicz, Józef Korbicz, Leszek Rutkowski, Włodzisław Duch, Sieci neuronowe w inżynierii biomedycznej, 9. tom serii Inżynieria biomedyczna. Podstawy i zastosowania, Akademicka Oficyna Wydawnicza EXIT, Warszawa, 2013.
- Ryszard Tadeusiewicz, Adrian Horzyk, Man-Machine Interaction Improvement by Means of Automatic Human Personality Identification, Springer-Verlag, LNCS 8838, pp. 278-289.
- R. Tadeusiewicz, M. Szaleniec Leksykon sieci neuronowych, Wrocław, 2015
- Paweł Wawrzyński, Podstawy sztucznej inteligencji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2014.
Ciekawe hiperłącza i dodatkowe materiały:
|
