25.08.2013 Views

Wersja pełna [8,55 MB] - Wydział Elektroniki, Telekomunikacji i ...

Wersja pełna [8,55 MB] - Wydział Elektroniki, Telekomunikacji i ...

Wersja pełna [8,55 MB] - Wydział Elektroniki, Telekomunikacji i ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Nazwa przedmiotu Sztuczna inteligencja<br />

Skrót nazwy SIN<br />

Stopień:<br />

KARTA PRZEDMIOTU<br />

1. (inżynierski) 2. (magisterski)<br />

X<br />

Kierunek:<br />

Elektronika i telekomunikacja Automatyka i robotyka Informatyka<br />

X<br />

Osoba odpowiedzialna za przedmiot:<br />

Imię: Jędruch<br />

Nazwisko: Wojciech<br />

E-mail: wjed@eti.pg.gda.pl<br />

Karta zajęć – wykład<br />

Lp. Zagadnienie poziom<br />

liczba<br />

godzin<br />

wiedzy umiej.<br />

A B C D E<br />

1. Definicje dziedziny SI, przegląd metod i zastosowań X 1<br />

2. Historia rozwoju SI, filozofia SI X 1<br />

3. Metody szukania na grafach X 1<br />

4. Metody szukania na grafach AND/OR X 1<br />

5. Metody minimax i zastosowanie do gier (szachy) X 1<br />

6. Automatyczne wnioskowanie w rachunku predykatów X 1<br />

7. Język Prolog jako przykład systemu wnioskującego X 1<br />

8. Wprowadzenie do metod rozmytych X 1<br />

9. Wniskowanie rozmyte X 1<br />

10. Wprowadzenie do sieci probabilistycznych X 1<br />

11. Metody obliczania prawdopodobieństw w sieciach<br />

probabilistycznych<br />

X 1<br />

12. Wstęp do metod uczenia maszyn. Podział na typy uczenia,<br />

X 1<br />

algorytmy uczenia i struktury uczące się<br />

13. Algorytmy gradientowe X 1<br />

14. Algorytmy szukania przypadkowego i symulowanego wyżarzania X 1<br />

15. Algorytmy ewolucyjne i programowanie genetyczne X 1<br />

16. Algorytmu roju X 1<br />

17. Podstawowe pojęcia rozpoznawania obrazów X 1<br />

18. Klasyfikatory minimalnoodległościowe, X 1<br />

19. Klasyfikatory z dużymi marginesami X 1<br />

20. Selekcja cech X 1<br />

21. Wprowadzenie do sieci neuronowych X 1<br />

22. Uczenie sieci warstwowych X 1<br />

23. Systemy neuronowo-rozmyte X 1<br />

24. Drzewa decyzyjne X 1<br />

25. Problemy generalizacji w uczeniu X 1<br />

26. Sieci samoorganizujące się i klasteryzacja X 1<br />

27. Metody optymalizacji wieloetapowych procesów decyzyjnych X 1<br />

28. Uczenie ze wzmocnieniem w wieloetapowych procesach<br />

decyzyjnych<br />

X 1<br />

29. Optymalizacja systemów wieloagentowych X 1<br />

30. Modelowanie indywiduowe, zjawiska wyłaniania się i sztuczne<br />

życie<br />

X 1<br />

327

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!