Systemy inteligentne
Informacje ogólne
Kod przedmiotu: | 1000-2D07LM |
Kod Erasmus / ISCED: |
11.304
|
Nazwa przedmiotu: | Systemy inteligentne |
Jednostka: | Wydział Matematyki, Informatyki i Mechaniki |
Grupy: |
Seminaria magisterskie na informatyce |
Punkty ECTS i inne: |
(brak)
|
Język prowadzenia: | angielski |
Rodzaj przedmiotu: | seminaria magisterskie |
Wymagania (lista przedmiotów): | Logika 1000-212aLOG |
Skrócony opis: |
Systemy inteligentne można zdefiniować jako systemy wspomagające podejmowanie racjonalnych decyzji bądź podejmujące takie decyzje samodzielnie. Wymagają one heterogenicznych narzędzi modelowania środowiska i wnioskowania. Typowym przykładem zastosowań są systemy eksperckie i systemy autonomiczne. Wykorzystywane w nich techniki obejmują sieci neuronowe, algorytmy genetyczne (ewolucyjne), dedukcyjne bazy danych, czy automatyczne wnioskowanie. Współcześnie często tworzy się systemy hybrydowe, w których łączy się wspomniane metody. W tej dziedzinie pozostało do rozwiązania wiele ciekawych problemów zarówno natury teoretycznej, jak i praktycznej. W trakcie seminarium skoncentrujemy się na zastosowaniach, nie wykluczając jednak zagadnień teoretycznych. |
Pełny opis: |
Systemy inteligentne można zdefiniować jako systemy wspomagające podejmowanie racjonalnych decyzji bądź podejmujące takie decyzje samodzielnie. Wymagają one heterogenicznych narzędzi modelowania środowiska i wnioskowania. Typowym przykładem zastosowań są systemy eksperckie i systemy autonomiczne. Wykorzystywane w nich techniki obejmują sieci neuronowe, algorytmy genetyczne (ewolucyjne), dedukcyjne bazy danych, czy automatyczne wnioskowanie. Współcześnie często tworzy się systemy hybrydowe, w których łączy się wspomniane metody. W tej dziedzinie pozostało do rozwiązania wiele ciekawych problemów zarówno natury teoretycznej, jak i praktycznej. Nie wykluczając zagadnień czysto teoretycznych, koncentrować się będziemy na zastosowaniach, obejmujących: 1. systemy samouczące i samoadaptujące się, w tym oparte o sieci neuronowe i algorytmy genetyczne 2. dedukcyjne bazy danych, w tym oparte o programowanie w logikach nieklasycznych (np. wielowartościowych, modalnych i temporalnych) 3. aproksymacyjne modelowanie środowiska przy założeniu niepewności, niepełności wiedzy, niedokładności pomiarów i nieostrości pojęć 4. metody wnioskowania, w tym w dedukcyjnych bazach danych, uwzględniających metody reprezentacji wiedzy 5. łączenie wspomnianych formalizmów. |
Literatura: |
Przedstawiana na bieżąco w czasie seminarium |
Właścicielem praw autorskich jest Uniwersytet Warszawski.