SOWA OPAC : Katalog komputerowy książek, czasopism i zbiorów specjalnych

198 wyników

Brak okładki

Książka

W koszyku

Inżynieria wiedzy i systemy ekspertowe. T. 2 / pod red. Zdzisława Bubnickiego i Adama Grzecha ; [aut. R. Arendt et al.]. - Wrocław : Oficyna Wydawnicza Politechniki Wrocławskiej, 2000. - 416 s. : il. ; 24 cm.

Autor

Bubnicki Zdzisław (1938-2006). Grzech Adam (1954- ). Arendt Ryszard.

Temat

Sztuczna inteligencja. Systemy ekspertowe

Zawiera materiały z IV Krajowej Konferencji Naukowej "Inżynieria wiedzy i systemy ekspertowe", Wrocław, 13-15 czerwca 2000 roku - inf. w Przedmowie.

Nazwy aut. na s. [415]-416.

Zawiera także spis treści t. 1.

Bibliogr. przy ref. Indeks.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 99533 L (1 egz.)

Brak okładki

Książka

W koszyku

Inżynieria wiedzy i systemy ekspertowe. T. 2 / pod red. Zdzisława Bubnickiego i Adama Grzecha. - Wrocław : Oficyna Wydawnicza Politechniki Wrocławskiej, 2003. - 463 s. : il. ; 24 cm.

Autor

Bubnicki Zdzisław (1938-2006). Grzech Adam (1954- ).

Temat

Sztuczna inteligencja. Systemy ekspertowe

Zawiera materiały z V Krajowej Konferencji Naukowej "Inżynieria wiedzy i systemy ekspertowe", Wrocław, 11-13 czerwca 2003 roku - inf. z Przedmowy.

Zawiera także spis treści t. 1.

Bibliogr. przy ref.

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Magazyn

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 108087 LE (1 egz.)

Brak okładki

Książka

W koszyku

Metody i techniki analizy informacji i wspomagania decyzji / pod red. Zdzisława Bubnickiego, Olgierda Hryniewicza, Romana Kulikowskiego ; Wyższa Szkoła Informatyki Stosowanej i Zarządzania, Instytut Badań Systemowych PAN, Polskie Towarzystwo Badań Operacyjnych i Systemowych. - Warszawa : Akademicka Oficyna Wydawnicza Exit, 2002. - XII, 416 s. pag. varia : il. ; 23 cm.

(Problemy Współczesnej Nauki. Teoria i Zastosowania. Badania Operacyjne i Systemowe)

Autor

Bubnicki Zdzisław (1938-2006). Hryniewicz Olgierd (1948- ). Kulikowski Roman (1928- ).

Temat

Badania operacyjne Decyzje Systemy informatyczne zarządzania Sztuczna inteligencja. Optymalizacja

Gatunek

Materiały konferencyjne

Tyt. nagł.: Badania operacyjne i systemowe wobec wyzwań XXI wieku.

Zawiera 40 artykułów, powstałych na bazie referatów zaprezentowanych na VII Konferencji "Badania operacyjne i systemowe wobec wyzwań XXI wieku - BOS 2002", Warszawa, 26-28 września 2002 r. - inf. o impr. na s. internet. org.

Bibliogr. przy ref.

Sygnatura czytelni BMW: IV H 66,1 (nowy)

dostępna do wypożyczenia

Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 105306 (1 egz.)

Biblioteka Międzywydziałowa

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 105781 N (1 egz.)

Brak okładki

Książka

W koszyku

Inżynieria wiedzy i systemy ekspertowe. T. 1 / pod red. Zdzisława Bubnickiego i Adama Grzecha ; [aut. R. Arendt et al.]. - Wrocław : Oficyna Wydawnicza Politechniki Wrocławskiej, 2000. - 408 s. : il. ; 24 cm.

Autor

Budnicki Zdzisław (1938-2006). Grzech Adam (1954- ). Arendt Ryszard.

Temat

Sztuczna inteligencja. Systemy ekspertowe

Zawiera materiały z IV Krajowej Konferencji Naukowej "Inżynieria wiedzy i systemy ekspertowe", Wrocław, 13-15 czerwca 2000 roku - inf. w Przedmowie.

Nazwy aut. na s. [407]-408.

Zawiera także spis treści t. 2.

Bibliogr. przy ref. Indeks.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 99532 L (1 egz.)

Brak okładki

Książka

W koszyku

XX-th National Conference Circuit Theory and Electronic Networks, Kołobrzeg, Poland, October 21-24, 1997 : Proceedings. Vol. 1/2 / [ed. Henryk Budzisz] ; Technical University of Koszalin. Department of Electronics. - Koszalin : Politechnika Koszalińska, 1997. - XI, [3], 312, [2] s. : il. ; 24 cm.

Autor

Budzisz Henryk.

Temat

Sztuczna inteligencja. Sieci neuronowe Teoria systemów Układy elektroniczne

Gatunek

Materiały konferencyjne

Bibliogr. przy ref.

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Magazyn

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 98041 LE (1 egz.)

Brak okładki

Książka

W koszyku

Struktury układów sterowania w warunkach niepewności : pomoc dydaktyczna / Lech Bukowski ; Politechnika Krakowska im. Tadeusza Kościuszki. - Kraków : Politechnika Krakowska, 1995. - 81 s. : il. ; 24 cm.

Autor

Bukowski Lech (1942- ).

Temat

Sztuczna inteligencja. Modele matematyczne Sterowanie

Gatunek

Podręczniki akademickie

Bibliogr. s. 81.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. S 64804 L (1 egz.)

Brak okładki

Książka

W koszyku

Methods of artificial intelligence / ed. T. Burczyński, W. Cholewa, W. Moczulski ; Centre of Exellence AI-METH at Silesian University of Technology, Polish Association for Computational Mechanics. - Gliwice : Centre of Excellence AI-METH at Silesian University of Technology : Polish Association for Computational Mechanics, 2005. - 156 s. : il. ; 30 cm.

(AI-METH [Artificial Intelligence Methods] Series)

Autor

Burczyński Tadeusz (1949- ). Cholewa Wojciech. Moczulski Wojciech (1950- ).

Temat

Sztuczna inteligencja.

Gatunek

Materiały konferencyjne

Procedings of the Symposium on Methods of Articicial Intelligence AL-METH 2005 and the Workshop on Knowledge Acquisition in Mechanical Engineering, 16-18 November, 2005, Gliwice, Poland - inf. na s. [3].

U góry okł.: ECCOMAS [European Community on COmputational Methods in Applied Sciences] Thematic Conference, AI-METH 2005.

Bibliogr. przy ref. Indeks.

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Magazyn

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 113546 LE (1 egz.)

Brak okładki

Książka

W koszyku

Methods of Artificial Intelligence / ed. T. Burczyński, W. Cholewa, W. Moczulski ; [aut. Marek Adamczyk i in.] ; Silesian University of Technology. Department for Strenght of Materials and Computational Mechanics, Department of Fundamentals of Machinery Design, Polish Association for Computational Mechanics. - Gliwice : Silesian University of Technology, 2007. - 78, [1] s. : il. ; 30 cm.

(AI-METH Series [Artificial Intelligence Methods] / Silesian University of Technology Gliwice)

Autor

Burczyński Tadeusz (1949- ). Cholewa Wojciech. Moczulski Wojciech. Adamczyk Marek.

Temat

Informatyka Mechanika Sztuczna inteligencja. Roboty mobilne Diagnostyka techniczna Sieci neuronowe Algorytmy genetyczne Metoda elementów skończonych Metody i zagadnienia brzegowe Logika rozmyta Systemy ekspertowe Sieci neuronowe Jordana i Elmana

Procedings of the Symposium on Methods of Articicial Intelligence AL-METH 2007 and the Workshop on Knowledge Acquisition in Mechanical Engineering, 7-9 November, 2007, Gliwice, Poland - inf. na s. 3.

U góry okł.: ECCOMAS [European Community on COmputational Methods in Applied Sciences] Thematic Conference, AI-METH 2007.

Bibliogr. przy ref. Indeks.

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Magazyn

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 118965 LE (1 egz.)

Brak okładki

Książka

W koszyku

Recent Developments in Artificial Intelligence Methods / ed. T. Burczyński, W. Cholewa, W. Moczulski ; [aut. Geoff Attenburrow et al.] ; Silesian University of Technology. Department for Strenght of Materials and Computational Mechanics, Department of Fundamentals of Machinery Design, Polish Association for Computational Mechanics. - Gliwice : Silesian University of Technology, 2007. - 276, [1] s. : il. ; 30 cm.

(AI-METH Series [Artificial Intelligence Methods] / Silesian University of Technology Gliwice)

Autor

Burczyński Tadeusz (1949- ). Cholewa Wojciech. Moczulski Wojciech. Attenburrow Geoff.

Temat

Informatyka Mechanika Sztuczna inteligencja. Algorytmy genetyczne

U góry okł.: ECCOMAS [European Community on COmputational Methods in Applied Sciences] Thematic Conference, AI-METH 2007.

Zaw. mat. z Symposium on Methods of Artificial Intelligence AI-METH 2007, Gliwice, November 7-8, 2007. Nazwa impr. i data z "Preface" s. 5.

Bibliogr. przy ref. Indeks.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 118964 LE (1 egz.)

Brak okładki

Książka

W koszyku

Artificial intelligence and soft computing / ed. Andrzej Cader [et al.] ; Polish Neural Network Society, Academy of Humanities and Economics in Łódź, IEEE Computional Intelligence Society-Poland Chapter. - Warsaw : Academic Publishing House Exit, 2006. - X, [2], 520 s. : il. ; 24 cm.

(Challenging Problems of Science. Computer Science)

Autor

Cader Andrzej.

Temat

Automatyka Sztuczna inteligencja. Logika rozmyta Przetwarzanie obrazów Sieci neuronowe

Gatunek

Materiały konferencyjne

Zawiera wybrane materiały 8th Conference on Artificial Intelligence and Soft Computing - ICAISC' 2006, Zakopane, June 25-29, 2006.

Bibliogr. przy ref. Indeks.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 114583 L (1 egz.)

Książka

W koszyku

AI dla ludzi i firmy : potencjał sztucznej inteligencji w biznesie / Alex Castrounis ; przekład: Katarzyna Bogusławska. - Gliwice : Helion, 2020. - 334, [2] strony : ilustracje ; 21 cm.

(Onepress)

Autor

Castrounis Alex. Bogusławska Katarzyna.

Forma i typ

Książki Publikacje dydaktyczne Publikacje fachowe

Temat

Sztuczna inteligencja.

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Na okładce również nazwa wydawcy oryginału: O'Reilly.

Bibliografia na stronach 333-334.

MODEL AI DLA LUDZI I FIRMY Sukces a sztuczna inteligencja oWyścig po sukces biznesowy oDlaczego projekty AI upadają? oDlaczego projekty AI odnoszą sukces? oWykorzystanie siły AI do zwycięstwa Wprowadzenie do modelu AIPB oOgólny model innowacji oPseudokomponent korzyści AIPB oIstniejące modele i brakujące elementy układanki oKorzyści z AIPB oPodsumowanie Podstawowe komponenty modelu AIPB oAnalogia do agile oEksperci oKategorie procesów w modelu AIPB oraz zalecane metody oKategoria oceny oKategoria metodologii oModel odwróconej klasy AI i uczenie maszynowe - przegląd nietechniczny oCzym jest data science i czym zajmują się specjaliści data science? oDefinicja uczenia maszynowego i jego charakterystyka oSposoby uczenia się maszyn oDefinicja i zagadnienia związane ze sztuczną inteligencją oTypy sztucznej inteligencji oNauka jak u ludzi oMordercze maszyny i gwiazdy jednego przeboju oDane napędzające AI oUwaga na temat przyczyny i skutku Rzeczywiste zastosowania i szanse oSzanse dla sztucznej inteligencji oJak mogę wykorzystać AI w biznesowej rzeczywistości? oRealne zastosowania i przykłady TWORZENIE WIZJI SZTUCZNEJ INTELIGENCJI Waga właściwych powodów oZacznij od dlaczego oKierowanie produktem i perspektywa oPrzywództwo i tworzenie wspólnej wizji oraz zrozumienia Wyznaczanie celów ludziom i firmie oOkreślenie interesariuszy i ich celów oCele w podziale na interesariuszy Co sprawia, że produkty są dobre oWaga kontra satysfakcja oCztery składniki dobrego produktu oNetflix i to, co liczy się najbardziej oLean i metodologie zwinne Sztuczna inteligencja w służbie lepszych wrażeń oDefinicja wrażeń oWpływ sztucznej inteligencji na ludzkie wrażenia oInterfejsy wrażeń oEkonomia doświadczeń oMyślenie projektowe Przykład wizji AI oOdczuwanie i postrzeganie czasoprzestrzenne oSmak kierowany sztuczną inteligencją oDeklaracja wizji w modelu AIPB TWORZENIE STRATEGII AI Innowacja naukowa a sukces z AI oSztuczna inteligencja jako nauka oModel TCPR oAnalogia do modelu TCPR oAnalogia do zależności od danych Gotowość i dojrzałość do AI oGotowość na AI 214 oDojrzałość do AI 228 Kluczowe kwestie do rozważenia w kontekście AI oSzum wokół AI kontra rzeczywistość AI oTestowanie ryzykownych założeń oOcena technicznej wykonalności oZdobycie, utrzymanie i przygotowanie talentów oZbuduj kontra zrób oOgraniczenie odpowiedzialności oOgraniczenie stronniczości i waga integracji oZarządzanie oczekiwaniami pracowników oZarządzanie oczekiwaniami klienta oZapewnienie jakości (QA) oMiary sukcesu oBycie na bieżąco oAI na produkcji Przykład strategii AI oWstęp do przykładu z podcastem oPowtórka z fazy strategii modelu AIPB oTworzenie strategii rozwiązania w modelu AIPB oTworzenie planu w modelu AIPB Wpływ AI na rynek pracy oAI, przebranżowienie i luki w umiejętnościach oLuki w umiejętnościach i nowe stanowiska oUmiejętności jutra oPrzyszłość automatyzacji, rynku pracy i gospodarki Przyszłość AI oAI i przywództwo oCzego oczekiwać i na co uważać Algorytmy AI i uczenia maszynowego oParametryzowane i nieparametryzowane uczenie maszynowe oJak uczy się model uczenia maszynowego oPrzegląd biologicznych sieci neuronowych oWprowadzenie do sztucznych sieci neuronowych oWprowadzenie do uczenia głębokiego oZastosowania uczenia głębokiego Proces AI oModel GABDO oOkreślenie celów oGromadzenie oBudowanie oDostarczanie oOptymalizowanie AI na produkcji oŚrodowisko produkcyjne kontra środowisko deweloperskie oWytwarzanie lokalne i zdalne oSkalowalność produkcji oUczenie i utrzymanie rozwiązania

Sygnatura czytelni BWZ: XIII B 37

aktualnie wypożyczona

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEiZ

Wszystkie egzemplarze są obecnie wypożyczone: sygn. E 6184 (1 egz.)

Brak okładki

Książka

W koszyku

Nowoczesne zagadnienia metodologii i filozofii badań : wybrane zagadnienia dla studiów magisterskich, podyplomowych i doktoranckich : poradnik / Czesław Cempel. - Wyd. 2. - Poznań ; Radom : Instytut Technologii Eksploatacji, 2005. - 152 s. : il. ; 25 cm.

(Wykłady Monograficzne Studium Doktoranckiego Wydziału Samochodów i Maszyn Roboczych / Politechnika Warszawska)

Autor

Cempel Czesław.

Temat

Filozofia nauki. Teoria poznania Metodologia Optymalizacja Myślenie twórcze Technologie informatyczne Sztuczna inteligencja. Programowanie genetyczne Automaty komórkowe Rzeczywistość wirtualna Społeczeństwo informacyjne

Tyt. grzb. : Metodologia badań.

Bibliogr. s. 145-148.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. S 71830 L (1 egz.)

Pokaż (Pełny tekst)

Brak okładki

Artykuł

W koszyku

Jak uczą sie roboty? / Karolina Cempel. W: Euro Logistics 2022, nr 4, s. 130-131. - 2022.

Autor

Cempel Karolina.

Forma i typ

Artykuły

Temat

Sztuczna inteligencja. Roboty i manipulatory przemysłowe.

Gatunek

Artykuł z czasopisma naukowego

Dziedzina i ujęcie

Transport i logistyka

Dokument nadrzędny: Euro Logistics : logistyka w teorii i w praktyce / [redaktor naczelny Marek Szymański].

Kartoteka zagadnieniowa: Transport, Spedycja, Logistyka

Książka

W koszyku

Autor

Chollet François. Matuk Konrad.

Forma i typ

Książki Publikacje dydaktyczne Publikacje fachowe

Odbiorca

Programiści

Temat

Python (język programowania). Sztuczna inteligencja. Sieci neuronowe. Uczenie maszynowe. Deep learning.

Gatunek

Podręcznik.

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Tytuł oryginału: Deep learning with Python.

Indeks.

Dla zainteresowanych nauką zagadnień związanych z uczeniem głębokim od podstaw, a także dla wszystkich chcących poszerzyć swoją wiedzę na temat uczenia głębokiego - analityków, programistów, studentów.

CZĘŚĆ I. PODSTAWY UCZENIA GŁĘBOKIEGO 19 Rozdział 1. Czym jest uczenie głębokie? 21 1.1. Sztuczna inteligencja, uczenie maszynowe i uczenie głębokie 22 1.1.1. Sztuczna inteligencja 22 1.1.2. Uczenie maszynowe 22 1.1.3. Formy danych umożliwiające uczenie 24 1.1.4. "Głębia" uczenia głębokiego 26 1.1.5. Działanie uczenia głębokiego przedstawione na trzech rysunkach 27 1.1.6. Co dotychczas osiągnięto za pomocą uczenia głębokiego? 29 1.1.7. Nie wierz w tymczasową popularność 30 1.1.8. Nadzieje na powstanie sztucznej inteligencji 31 1.2. Zanim pojawiło się uczenie głębokie: krótka historia uczenia maszynowego 32 1.2.1. Modelowanie probabilistyczne 32 1.2.2. Wczesne sieci neuronowe 33 1.2.3. Metody jądrowe 33 1.2.4. Drzewa decyzyjne, lasy losowe i gradientowe wzmacnianie maszyn 35 1.2.5. Powrót do sieci neuronowych 35 1.2.6. Co wyróżnia uczenie głębokie? 36 1.2.7. Współczesne uczenie maszynowe 37 1.3. Dlaczego uczenie głębokie? Dlaczego teraz? 38 1.3.1. Sprzęt 38 1.3.2. Dane 39 1.3.3. Algorytmy 40 1.3.4. Nowa fala inwestycji 40 1.3.5. Demokratyzacja uczenia głębokiego 41 Rozdział 2. Matematyczne podstawy sieci neuronowych 43 2.1. Pierwszy przykład sieci neuronowej 44 2.2. Reprezentacja danych sieci neuronowych 47 2.2.1. Skalary (tensory zerowymiarowe) 48 2.2.2. Wektory (tensory jednowymiarowe) 48 2.2.3. Macierze (tensory dwuwymiarowe) 48 2.2.4. Trójwymiarowe tensory i tensory o większej liczbie wymiarów 49 2.2.5. Główne atrybuty 49 2.2.6. Obsługa tensorów R 50 2.2.7. Wsad danych 50 2.2.8. Prawdziwe przykłady tensorów danych 51 2.2.9. Dane wektorowe 51 2.2.10. Dane szeregu czasowego i dane sekwencyjne 52 2.2.11. Dane w postaci obrazów 52 2.2.12. Materiały wideo 53 2.3. Koła zębate sieci neuronowych: operacje na tensorach 53 2.3.1. Operacje wykonywane element po elemencie 54 2.3.2. Operacje na tensorach o różnych wymiarach 55 2.3.3. Iloczyn tensorowy 55 2.3.4. Zmiana kształtu tensora 57 2.3.5. Geometryczna interpretacja operacji tensorowych 58 2.3.6. Interpretacja geometryczna uczenia głębokiego 59 2.4. Silnik sieci neuronowych: optymalizacja gradientowa 60 2.4.1. Czym jest pochodna? 61 2.4.2. Pochodna operacji tensorowej: gradient 62 2.4.3. Stochastyczny spadek wzdłuż gradientu 63 2.4.4. Łączenie pochodnych: algorytm propagacji wstecznej 66 2.5. Ponowna analiza pierwszego przykładu 67 Rozdział 3. Rozpoczynamy korzystanie z sieci neuronowych 71 3.1. Anatomia sieci neuronowej 72 3.1.1. Warstwy: podstawowe bloki konstrukcyjne uczenia głębokiego 72 3.1.2. Modele: sieci warstw 73 3.1.3. Funkcja straty i optymalizatory: najważniejsze elementy konfiguracji procesu uczenia 74 3.2. Wprowadzenie do pakietu Keras 75 3.2.1. Keras, TensorFlow, Theano i CNTK 76 3.2.2. Instalowanie pakietu Keras 77 3.2.3. Praca z pakietem Keras: krótkie wprowadzenie 77 3.3. Przygotowanie stacji roboczej do uczenia głębokiego 79 3.3.1. Dwie opcje uruchamiania pakietu Keras 79 3.3.2. Wady i zalety uruchamiania uczenia głębokiego w chmurze 80 3.3.3. Jaki procesor graficzny najlepiej nadaje się do uczenia głębokiego? 80 3.4. Przykład klasyfikacji binarnej: klasyfikacja recenzji filmów 81 3.4.1. Zbiór danych IMDB 81 3.4.2. Przygotowywanie danych 82 3.4.3. Budowa sieci neuronowej 83 3.4.4. Walidacja modelu 87 3.4.5. Używanie wytrenowanej sieci do generowania przewidywań dotyczących nowych danych 90 3.4.6. Dalsze eksperymenty 90 3.4.7. Wnioski 91 3.5. Przykład klasyfikacji wieloklasowej: klasyfikacja krótkich artykułów prasowych 91 3.5.1. Zbiór danych Agencji Reutera 91 3.5.2. Przygotowywanie danych 93 3.5.3. Budowanie sieci 93 3.5.4. Walidacja modelu 94 3.5.5. Generowanie przewidywań dotyczących nowych danych 96 3.5.6. Inne sposoby obsługi etykiet i funkcji straty 97 3.5.7. Dlaczego warto tworzyć odpowiednio duże warstwy pośrednie? 97 3.5.8. Dalsze eksperymenty 98 3.5.9. Wnioski 98 3.6. Przykład regresji: przewidywanie cen mieszkań 99 3.6.1. Zbiór cen mieszkań w Bostonie 99 3.6.2. Przygotowywanie danych 100 3.6.3. Budowanie sieci 100 3.6.4. K-składowa walidacja krzyżowa 101 3.6.5. Wnioski 105 Rozdział 4. Podstawy uczenia maszynowego 107 4.1. Cztery rodzaje uczenia maszynowego 108 4.1.1. Uczenie nadzorowane 108 4.1.2. Uczenie nienadzorowane 108 4.1.3. Uczenie częściowo nadzorowane 109 4.1.4. Uczenie przez wzmacnianie 109 4.2. Ocena modeli uczenia maszynowego 109 4.2.1. Zbiory treningowe, walidacyjne i testowe 111 4.2.2. Rzeczy, o których warto pamiętać 114 4.3. Wstępna obróbka danych, przetwarzanie cech i uczenie cech 114 4.3.1. Przygotowywanie danych do przetwarzania przez sieci neuronowe 115 4.3.2. Przetwarzanie cech 116 4.4. Nadmierne dopasowanie i zbyt słabe dopasowanie 118 4.4.1. Redukcja rozmiaru sieci 119 4.4.2. Dodawanie regularyzacji wag 121 4.4.3. Porzucanie - technika dropout 123 4.5. Uniwersalny przepływ roboczy uczenia maszynowego 125 4.5.1. Definiowanie problemu i przygotowywanie zbioru danych 125 4.5.2. Wybór miary sukcesu 126 4.5.3. Określanie techniki oceny wydajności modelu 127 4.5.4. Przygotowywanie danych 127 4.5.5. Tworzenie modeli lepszych od linii bazowej 128 4.5.6. Skalowanie w górę: tworzenie modelu, który ulega nadmiernemu dopasowaniu 129 4.5.7. Regularyzacja modelu i dostrajanie jego hiperparametrów 129 CZĘŚĆ II. UCZENIE GŁĘBOKIE W PRAKTYCE 131 Rozdział 5. Uczenie głębokie i przetwarzanie obrazu 133 5.1. Wprowadzenie do konwolucyjnych sieci neuronowych 134 5.1.1. Działanie sieci konwolucyjnej 136 5.1.2. Operacja max-pooling 141 5.2. Trenowanie konwolucyjnej sieci neuronowej na małym zbiorze danych 143 5.2.1. Stosowanie uczenia głębokiego w problemach małych zbiorów danych 144 5.2.2. Pobieranie danych 144 5.2.3. Budowa sieci neuronowej 147 5.2.4. Wstępna obróbka danych 148 5.2.5. Stosowanie techniki augmentacji danych 151 5.3. Korzystanie z wcześniej wytrenowanej konwolucyjnej sieci neuronowej 155 5.3.1. Ekstrakcja cech 155 5.3.2. Dostrajanie 163 5.4. Wizualizacja efektów uczenia konwolucyjnych sieci neuronowych 168 5.4.1. Wizualizacja pośrednich aktywacji 169 5.4.2. Wizualizacja filtrów konwolucyjnych sieci neuronowych 175 5.4.3. Wizualizacja map ciepła aktywacji klas 181 Rozdział 6. Uczenie głębokie w przetwarzaniu tekstu i sekwencji 187 6.1. Praca z danymi tekstowymi 188 6.1.1. Kodowanie słów i znaków metodą gorącej jedynki 189 6.1.2. Osadzanie słów 192 6.1.3. Łączenie wszystkich technik: od surowego tekstu do osadzenia słów 197 6.1.4. Wnioski 203 6.2. Rekurencyjne sieci neuronowe 203 6.2.1. Warstwa rekurencyjna w pakiecie Keras 206 6.2.2. Warstwy LSTM i GRU 209 6.2.3. Przykład warstwy LSTM zaimplementowanej w pakiecie Keras 212 6.3. Zaawansowane zastosowania rekurencyjnych sieci neuronowych 214 6.3.1. Problem prognozowania temperatury 214 6.3.2. Przygotowywanie danych 217 6.3.3. Punkt odniesienia w postaci zdrowego rozsądku 220 6.3.4. Podstawowe rozwiązanie problemu przy użyciu techniki uczenia maszynowego 221 6.3.5. Punkt odniesienia w postaci pierwszego modelu rekurencyjnego 223 6.3.6. Stosowanie rekurencyjnego porzucania w celu zmniejszenia nadmiernego dopasowania 225 6.3.7. Tworzenie stosów warstw rekurencyjnych 226 6.3.8. Korzystanie z dwukierunkowych rekurencyjnych sieci neuronowych 228 6.3.9. Kolejne rozwiązania 232 6.4. Konwolucyjne sieci neuronowe i przetwarzanie sekwencji 234 6.4.1. Przetwarzanie sekwencji za pomocą jednowymiarowej sieci konwolucyjnej 234 6.4.2. Jednowymiarowe łączenie danych sekwencyjnych 235 6.4.3. Implementacja jednowymiarowej sieci konwolucyjnej 235 6.4.4. Łączenie sieci konwolucyjnych i rekurencyjnych w celu przetworzenia długich sekwencji 237 Rozdział 7. Najlepsze zaawansowane praktyki uczenia głębokiego 245 7.1. Funkcjonalny interfejs programistyczny pakietu Keras: wykraczanie poza model sekwencyjny 246 7.1.1. Wprowadzenie do funkcjonalnego interfejsu API 247 7.1.2. Modele z wieloma wejściami 249 7.1.3. Modele z wieloma wyjściami 251 7.1.4. Skierowane acykliczne grafy warstw 254 7.1.5. Udostępnianie wag warstwy 258 7.1.6. Modele pełniące funkcję warstw 259 7.2. Monitorowanie modeli uczenia głębokiego przy użyciu wywołań zwrotnych pakietu Keras i narzędzia TensorBoard 260 7.2.1. Używanie wywołań zwrotnych w celu sterowania procesem trenowania modelu 260 7.2.2. Wprowadzenie do TensorBoard - platformy wizualizacji danych pakietu TensorFlow 264 7.3. Korzystanie z pełni możliwości modeli 268 7.3.1. Konstrukcja zaawansowanych architektur 269 7.3.2. Optymalizacja hiperparametru 272 7.3.3. Składanie modeli 274 Rozdział 8. Stosowanie uczenia głębokiego w celu generowania danych 279 8.1. Generowanie tekstu za pomocą sieci LSTM 281 8.1.1. Krótka historia generatywnych sieci rekurencyjnych 281 8.1.2. Generowanie danych sekwencyjnych 282 8.1.3. Dlaczego strategia próbkowania jest ważna? 282 8.1.4. Implementacja algorytmu LSTM generującego tekst na poziomie liter 285 8.2. DeepDream 290 8.2.1. Implementacja algorytmu DeepDream w pakiecie Keras 291 8.2.2. Wnioski 296 8.3. Neuronowy transfer stylu 297 8.3.1. Strata treści 298 8.3.2. Strata stylu 298 8.3.3. Implementacja neuronowego transferu stylu przy użyciu pakietu Keras 299 8.4. Generowanie obrazów przy użyciu wariacyjnych autoenkoderów 306 8.4.1. Próbkowanie z niejawnej przestrzeni obrazów 306 8.4.2. Wektory koncepcyjne używane podczas edycji obrazu 307 8.4.3. Wariacyjne autoenkodery 308 8.5. Wprowadzenie do generatywnych sieci z przeciwnikiem 315 8.5.1. Schematyczna implementacja sieci GAN 316 8.5.2. Zbiór przydatnych rozwiązań 317 8.5.3. Generator 318 8.5.4. Dyskryminator 319 8.5.5. Sieć z przeciwnikiem 320 8.5.6. Trenowanie sieci DCGAN 320 Rozdział 9. Wnioski 325 9.1. Przypomnienie najważniejszych koncepcji 326 9.1.1. Sztuczna inteligencja 326 9.1.2. Co sprawia, że uczenie głębokie to wyjątkowa dziedzina uczenia maszynowego? 326 9.1.3. Jak należy traktować uczenie głębokie? 327 9.1.4. Najważniejsze technologie 328 9.1.5. Uniwersalny przepływ roboczy uczenia maszynowego 329 9.1.6. Najważniejsze architektury sieci 330 9.1.7. Przestrzeń możliwości 334 9.2. Ograniczenia uczenia głębokiego 336 9.2.1. Ryzyko antropomorfizacji modeli uczenia maszynowego 337 9.2.2. Lokalne uogólnianie a ekstremalne uogólnianie 339 9.3. Przyszłość uczenia głębokiego 341 9.3.1. Modele jako programy 342 9.3.2. Wykraczanie poza algorytm propagacji wstecznej i warstwy różniczkowalne 343 9.3.3. Zautomatyzowane uczenie maszynowe 344 9.3.4. Nieustanne uczenie się i wielokrotne używanie modułowych procedur składowych 345 9.3.5. Przewidywania dotyczące dalekiej przyszłości 346 9.4. Bycie na bieżąco z nowościami związanymi z szybko rozwijającą się dziedziną 348 9.4.1. Zdobywaj wiedzę praktyczną, pracując z prawdziwymi problemami przedstawianymi w serwisie Kaggle 348 9.4.2. Czytaj o nowych rozwiązaniach w serwisie arXiv 348 9.4.3. Eksploruj ekosystem związany z pakietem Keras 349 9.5. Ostatnie słowa 349 Dodatek A. Instalowanie pakietu Keras i innych bibliotek niezbędnych do jego działania w systemie Ubuntu 353 Dodatek B. Uruchamianie kodu w środowisku RStudio Server przy użyciu zdalnej instancji procesora graficznego EC2 359

Sygnatura czytelni BWEAiI: XII Ł 130

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 147414 N (1 egz.)

Brak okładki

Książka

W koszyku

Sztuczna inteligencja : metody konstrukcji i analizy systemów eksperckich / Joanna Chromiec, Edyta Strzemieczna. - Warszawa : Akademicka Oficyna Wydawnicza PLJ, 1994. - [6], 137 s. : il. ; 24 cm.

(Problemy Współczesnej Nauki. Teoria i Zastosowania. Informatyka)

Autor

Chromiec Joanna. Strzemieczna Edyta.

Temat

Sztuczna inteligencja. Systemy ekspertowe

Bibliogr. s. 136-137.

1. Sztuczna inteligencja 1. l. Co to jest sztuczna inteligencja? 1 .2. Podstawowe, pojęcia i metody ].2 Przestrzeń stanów Przeszukiwanie Aktualne kierunki rozwoju Gry Rozumienie Uczenie się Robotyka Równoległość i rozproszenie w sztucznej inteligencji 2. Systemy eksperckie - wprowadzenie 2. Co to jest system ekspercki? 2.2. Budowa systemu eksperckiego 2.3. Tworzenie systemu eksperckiego 2. 3. Wywiad wstępny 2. 3. Akwizycja wiedzy 2. 3. Formalizm zapisu 2.4. Reprezentacja niepewności 2. 5. Techniki implementacji 2. 5 Bazy danych 2.5. Języki logiki (Prolog) 2. 5. Ramki i obiekty 2.5.d. Platformy 3 Logiczna reprezentacja wiedzy Rachunek zdań i rachunek predykatów Metoda rezolucji Opis Strategie metody rezolucji, jako kontroler wywodu Prolog – język programowania w logice Logika niekonwencjonalna Rozumowanie autoepistemiczne Logika domysłów Obiekty Własności i możliwości obiektów Struktura hierarchiczna Dziedziczenie Enkapsulacja i przysłanianie metod Przykład języka obiektowego – C++ Możliwe strategie sterowania Sieci semantyczne Definicja Jak przechowywać wiedzę w sieci? Wnioskowanie lnterfejs Dlaczego interfejs jest tak ważny? Sposoby wprowadzania danych Menu Polecenia Wyprowadzanie informacji Wykorzystanie koloru Pomoc przy pracy z programem Zapobieganie i informacja o błędach Akwizycja wiedzy Problemy związane z akwizycją wiedzy Czy system ekspercki jest naprawdę potrzebny? Realne wykorzystanie Ekspert Przykładowe techniki akwizycji wiedzy Techniki audio-video Drzewo hierarchii Dwadzieścia pytań Trzy kart Automatyczna akwizycja wiedzy Reprezentacja niepewności Przyczyny, klasyfikacje niepewności Teoria prawdopobieństwa, wzór Bayesa Współczynniki pewności Zbiory rozmyte, logika rozmyta Teoria Dempstera-Shafera KADS Filozofia KADSu Czteropoziomowy modeI ekspertyzy Technika dokumentacji dużych systemów Analiza bieżącej sytuacji (zewnętrzna) Analiza wiedzy statycznej (wewnętrzna) Analiza możliwości ograniczeń (zewnętrzna) Analiza zadania eksperta (wewnętrzna) Określenie funkcji (zewnętrzna) Zestaw modeli generycznych Zadanie analizy Zadanie syntezy KADS dla małych systemów LEVELS OBJECT Wstęp, podstawowe wiadomości o systemie Przykłady wykorzystania systemu w prostych implementacjach Wnioskowanie wstecz Wnioskowanie w przód Obiekty Działające systemy eksperckie MYCIN CASNET PIP Systemy eksperckie stworzone dla potrzeb przemysłu i tam wykorzystywane RPFA SHEARER TRANID Krótkie zestawienie zastosowywań i kosztów innych systemów Przyszłość systemów doradczych Uczące się systemy eksperckie. Opis systemu Reguły heurystyczne Uczenie się systemu Case-based systemy eksperckie Planowanie i modelowanie Wspomaganie decyzji KADS - metodologia przyszłości ? Common KADS (KADS II) Pragmatic KADS

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 88542, 88543, 94387 (3 egz.)

Brak okładki

Książka

W koszyku

Ewolucja czy rewolucja : nowoczesne techniki informatyczne : księga jubileuszowa poświęcona Profesorowi Leszkowi Rutkowskiemu / pod red. Roberta Cierniaka. - Częstochowa : Politechnika Częstochowska. Katedra Inżynierii Komputerowej, cop. 2003. - 377 s. : il. (w tym kolor.) ; 25 cm.

Autor

Cierniak Robert.

Temat

Rutkowski, Leszek. Informatyka Sztuczna inteligencja. Sieci neuronowe Systemy rozmyto-neuronowe Logika rozmyta Algorytmy genetyczne Telemedycyna

Gatunek

Księgi pamiątkowe

Tyt. grzb. : Nowoczesne techniki informatyczne.

Bibliogr. przy pracach.

Sygnatura czytelni BWEAiI: XII F 8

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 119924 LE N (1 egz.)