Υπολογιστική Νοημοσύνη


Το μάθημα αποτελεί μια εισαγωγή σε βασικές τεχνολογίες Υπολογιστικής Νοημοσύνης.


Στόχοι Μαθήματος

Στόχος του μαθήματος αποτελεί η κατανόηση από τους σπουδαστές βασικών αρχών της Υπολογιστικής Νοημοσύνης. Η ύλη του μαθήματος στοχεύει στην εισαγωγή των σπουδαστών σε βασικές έννοιες ασαφών συνόλων και συστημάτων, νευρωνικών δικτύων καθώς και εξελικτικού υπολογισμού. Έμφαση δίδεται στην περιγραφή συστημάτων που χρησιμοποιούν συνεργατικά τις προαναφερθείσες τεχνολογίες για την επίλυση πρακτικών προβλημάτων κυρίως ομαδοποίησης, ταξινόμησης, και παλινδρόμησης. Υπό αυτήν την έννοια το μάθημα αποτελεί τη βάση πάνω στην οποία θα αναπτυχθούν συγκεκριμένες μεθοδολογίες και τεχνικές σε ειδικά μαθήματα κατεύθυνσης. Επίσης αναφέρεται σε θέματα έμπειρων συστημάτων κανόνων καθώς και σε θέματα ανάπτυξης μαθηματικών μοντέλων από αριθμητικά δεδομένα. Στόχο του μαθήματος αποτελεί η κατανόηση από τους σπουδαστές της σημασίας των ασαφών συνεπαγωγών, ο συγκερασμός με νευρωνικές αρχιτεκτονικές καθώς και η βελτιστοποίηση με τεχνικές εξελικτικού υπολογισμού. Επίσης, στόχο του μαθήματος αποτελεί η κατανόηση από τους σπουδαστές εννοιών που σχετίζονται με Αριθμούς Διαστημάτων (ΑΔ) με σκοπό μια ενοποιητική προσέγγιση στην υπολογιστική νοημοσύνη. Τέλος, στόχο του μαθήματος αποτελεί η κατανόηση από τους σπουδαστές της σημασίας των τεχνολογιών υπολογιστικής νοημοσύνης στην πληροφορική και της μετεξέλιξης της Υπολογιστικής Νοημοσύνης σε ένα διακριτό επιστημονικό πεδίο.


Προαπαιτούμενες Γνώσεις


Περιεχόμενα

1. Εισαγωγή στο αντικείμενο. Συσχέτιση με άλλες επιστημονικές περιοχές. Απαρίθμηση των βασικών εργαλείων 2. Έμπειρα συστήματα 3. Ανάπτυξη μαθηματικών μοντέλων από αριθμητικά δεδομένα 4. Στοιχεία/τελεστές ασαφούς λογικής, ασαφή σύνολα, συστήματα ασαφών κανόνων 5. Ασαφείς συνεπαγωγές: θεωρία και εφαρμογές, ασαφή συστήματα τύπου Mamdani και Sugeno 6. Τεχνητά νευρωνικά δίκτυα (δίκτυα perceptrons, δίκτυα οπισθόδρομης μάθησης, αυτό-οργανούμενοι χάρτες, κλπ) 7. Νευρο-ασαφή συστήματα, υπολογισμός με λέξεις, μηχανές διανυσμάτων στήριξης 8. Εξελικτικός υπολογισμός (γενετικοί αλγόριθμοι, βελτιστοποίηση σμήνους σωματιδίων) 9. Μια ενοποιητική προσέγγιση στην υπολογιστική νοημοσύνη: Αριθμοί Διαστημάτων (ΑΔ), εναλλακτικές αναπαραστάσεις, ερμηνείες και βασικοί υπολογισμοί

ΤΑΥΤΟΤΗΤΑ ΜΑΘΗΜΑΤΟΣ

Βαθμίδα:

Τύπος:

Προπτυχιακό

(A+)


Εκπαιδευτές: BAΣΙΛΕΙΟΣ ΚΑΜΠΟΥΡΛΑΖΟΣ
Τμήμα: ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ
Ίδρυμα: ΤΕΙ Αν. Μακεδονίας και Θράκης
Θεματική Περιοχή: Επιστήμες Υπολογιστών, Πληροφορικής, Τηλεπικοινωνιών
Άδεια Χρήσης: παρόμοια διανομή

Επισκεφτείτε το μάθημα

ΜΟΙΡΑΣΤΕΙΤΕ ΤΟ ΜΑΘΗΜΑ
ΣΧΕΤΙΚΑ ΜΑΘΗΜΑΤΑ