1. Przedmiot : Algorytmy genetyczne i sztuczne sieci neuronowe w optymalizacji decyzji. Forma zajęć



Pobieranie 10.82 Kb.
Data27.04.2016
Rozmiar10.82 Kb.



1. Przedmiot : Algorytmy genetyczne i sztuczne sieci neuronowe w optymalizacji decyzji.
2. Forma zajęć:


Forma

Liczba godzin

Semestr

Rok studiów

Wykład

30

8

IV


3. Prowadzący:

Nazwisko i Imię, dr Mieczysław Rymarczyk, bud. B pok. 304

Adres e – mailowy mieczyslaw.rymarczyk@ae.wroc.pl

4. Program przedmiotu:

1. Proces modelowania ilościowego problemu decyzyjnego. Model decyzyjny a wiedza historyczna.

2. Reprezentacja wiedzy. Proces uczenia. Podstawy w sieci neuronowych.

3. Modelowanie neuronowe-aproksymacja, decyzje wyboru.

4. Sieci neuronowe. Operatory neuronowe. Funkcja logistyczna.

5. Prosta sieć neuronowa. Idea optymalizacji neuronowej.

6. Klasyfikacja dychotomiczna. Klasy w problemach nie wypukłych.

7. Wybrane narzędzia sieci neuronowych. (STATISTICA, Neurol Networks)

8. Algorytmy genetyczne-aspekt teoretyczny.

9. Modelowanie genetyczno-neuronowe.

10. Wybrane narzędzia modelowania genetyczno-neuronowego (AGWin, GANN)

11. Zastosowania. Reprezentacja wiedzy. Odzysk wiedzy z baz danych.



    1. klasyfikacje obszarów w problemach nie wypukłych,

    2. prognozy kursów wybranych metali szlachetnych,

    3. dobór zmienny, złożoność modelu,

    4. modelowanie-propozycje decyzji,

    5. zastosowanie w badaniach marketingowych.


5. Metodyka zajęć:

Zajęcia w sali dydaktycznej połączone z interaktywnym pokazem modelowania. Indywidualny projekt studencki.


6. Cel dydaktyczny przedmiotu:

Wprowadzenie do modelu genetyczno-neuronowego oraz wskazanie zastosowań


7. Forma zaliczenia: zaliczenie na ocenę
8.Literatura podstawowa:

  1. Tadeusiewicz R. : Sieci neuronowe. Akademicka oficyna wydawnicza RM, W-wa 1993

  2. Goldbeger D.E.: Algorytmy genetyczne i ich zastosowania. WNT 1996.

  3. Decyzje symulacyjne sieci neuronowe, pod red. M. Rymarczyka, Wywawnictwo Wyższej Szkoły Bankowej w Poznaniu 1997.

Wykożystanie sztucznych sieci neuronowych w modelowaniu ekonomicznym, pod red. J. Siedleckiego, Wydawnictwo Akademii Eekonomicznej we Wrocławiu, 2001
9. Literatura uzupełniająca:

1. Verkooijen W.J.H.: Neural networks in economic Modelling. An empirical study. CertER 1996 (Holandia)



2.Michalewicz Z.: Algorytmy genetyczne + struktury danych = algorytmy ewolucyjne, WNT

W-wa, 1999.


©absta.pl 2016
wyślij wiadomość

    Strona główna