Form of Work
Książki
(25)
E-booki
(7)
ebookpoint BIBLIO
(5)
Publikacje fachowe
(3)
IBUK Libra
(2)
Poradniki i przewodniki
(1)
Publikacje naukowe
(1)
Status
available
(15)
only on-site
(15)
unknown
(2)
unavailable
(1)
Branch
Wypożyczalnia
(18)
Czytelnia
(15)
Author
Janusz Jacek
(2)
Meryk Radosław
(2)
Rutkowski Leszek
(2)
Baborski Andrzej
(1)
Bartkiewicz Witold
(1)
Bonaccorso Giuseppe
(1)
Boroch Robert
(1)
Brookshear J. Glenn
(1)
Cichosz Paweł
(1)
Engel Marcin
(1)
Filipczyk Barbara
(1)
Foster David
(1)
Grochowina Kamila
(1)
Grzywak Andrzej
(1)
Gugger Sylvain
(1)
Howard Jeremy
(1)
Hurbans Rishal
(1)
Jabłoński Włodzimierz Jerzy
(1)
Jagielski Jan
(1)
Józefowska Joanna
(1)
Kania Krzysztof (ekonomista)
(1)
Kempa Anna (organizacja i zarządzanie)
(1)
Kierzkowski Zbigniew
(1)
Kiełtyka Leszek
(1)
Kubies Wacław
(1)
Mazurek Grzegorz
(1)
Michalik Krzysztof
(1)
Morańska Danuta (1963- )
(1)
Moroney Laurence
(1)
Nowocień Rafał
(1)
Owoc Mieczysław L
(1)
Pawlak Beata
(1)
Ponteves Hadelin de
(1)
Radosiński Edward
(1)
Roelants Peter
(1)
Sawa Dawid
(1)
Sawka Krzysztof
(1)
Skrzypek Jakub
(1)
Slater Daniel
(1)
Smolarek Maria
(1)
Spacagna Gianmario
(1)
Sroka Robert
(1)
Stawnicka Jadwiga
(1)
Szewczyk Agnieszka
(1)
Walczak Tomasz
(1)
Wilkoń Łukasz
(1)
Wróblewski Piotr
(1)
Wójcicki łukasz
(1)
Wężowicz-Ziółkowska Dobrosława
(1)
Włoch Renata
(1)
Zocca Valentino
(1)
Śledziewska Katarzyna
(1)
Świątek Włodzimierz
(1)
Year
2020 - 2022
(8)
2010 - 2019
(8)
2000 - 2009
(15)
1990 - 1999
(1)
Time Period of Creation
2001-
(6)
Country
Poland
(32)
Language
Polish
(32)
Subject
Inteligencja sztuczna
(19)
Sztuczna inteligencja
(6)
Systemy informatyczne
(5)
Algorytmy
(4)
Baza danych
(4)
Informatyka
(4)
Sieci neuronowe
(4)
Systemy ekspertowe
(4)
Zarządzanie wiedzą
(4)
Internet
(3)
Komputery
(3)
Przedsiębiorstwo
(3)
Społeczeństwo informacyjne
(3)
Systemy informatyczne zarządzania
(3)
Uczenie się maszyn
(3)
Handel elektroniczny
(2)
Modele matematyczne
(2)
Programy komputerowe
(2)
Systemy informacyjne
(2)
Telemedycyna
(2)
Zarządzanie
(2)
Biocybernetyka
(1)
Bioinformatyka
(1)
Biologia
(1)
Czwarta rewolucja przemysłowa
(1)
Data mining
(1)
Decyzje
(1)
Deep learning
(1)
Etyka biznesu
(1)
Gospodarka
(1)
Gospodarka okrężna
(1)
Informacja
(1)
Informacja dla zarządzania
(1)
Inżynieria biomedyczna
(1)
Języki programowania
(1)
Kadry
(1)
Kapitał intelektualny przedsiębiorstwa
(1)
Kryminalistyka
(1)
Logistyka
(1)
Marketing elektroniczny
(1)
Marketing społecznościowy
(1)
Maski
(1)
Matematyka
(1)
Media społecznościowe
(1)
Medycyna
(1)
Multimedia
(1)
Nauczanie
(1)
NetWare
(1)
Organizacja
(1)
Prakseologia
(1)
Programowanie (informatyka)
(1)
Programowanie zwinne
(1)
Propaganda wizualna
(1)
Przedsiębiorstwo a systemy informacyjne
(1)
Przetwarzanie danych
(1)
Przywództwo
(1)
Przywództwo polityczne
(1)
Python (język programowania)
(1)
Roboty mobilne
(1)
Rynek pracy
(1)
Sieć komputerowa
(1)
Siła robocza
(1)
Socjologia kultury
(1)
Systemy operacyjne
(1)
Systemy operacyjne sieciowe
(1)
Technologie mobilne
(1)
Zintegrowane systemy informatyczne
(1)
Genre/Form
Opracowanie
(3)
Podręcznik
(2)
Poradnik
(1)
Domain
Informatyka i technologie informacyjne
(4)
Etnologia i antropologia kulturowa
(1)
Filozofia i etyka
(1)
Gospodarka, ekonomia, finanse
(1)
Zarządzanie i marketing
(1)
32 results Filter
E-book
In basket
„Teksty z Ulicy. Zeszyt memetyczny” to jedyne w kraju czasopismo naukowe, poświęcone badaniu zjawisk społecznych i kulturowych w perspektywie memetycznej. Od 2005 roku publikuje artykuły naukowe, monograficzne i przeglądowe badaczy reprezentujących różne dyscypliny nauk społecznych, przyrodniczych i humanistycznych, którzy aplikują memetykę do swych warsztatów badawczych. Jest to czasopismo interdyscyplinarne, obrazujące ewolucję teorii memu oraz możliwości jej stosowania w analizie i interpretacji zachowań społecznych (mody, kulty, epidemie, ideologie), w badaniu języka mediów ( memy internetowe, netlore, netykieta), komunikacji społecznej (np. reklama), replikacji pamięci kulturowej (tradycje, kultura masowa i popularna, cyberkultura) oraz koewolucji genetyczno-kulturowej i ewolucji maszyn. Publikuje również dyskusje, polemiki i recenzje prac interesujących dla memetyki i jej krytyków. Posiada wersję online w otwartym dostępie www.memetyka.us.edu.pl Na liście ministerialnej B – 5 punktów. Siedziba Redakcji: Instytut Nauk o Kulturze i Studiów Interdyscyplinarnych, Wydział Filologiczny, Uniwersytet Śląski, Plac Sejmu Śląskiego 1, 40-032 Katowice. Redaktor naczelna: dr hab. Dobrosława Wężowicz-Ziółkowska, e-mail: dobroslawa.wezowicz-ziolkowska@us.edu.pl. Aktualny numer jest poświęcony dyskusjom z Susan Blackmore i jej teoriami człowieka jako maszyny memowej. Temat został sprowokowany spotkaniem z Autorką „ The Meme Machine”, jakie odbyło się w Warszawie na Wydziale Lingwistyki Stosowanej na specjalne zaproszenie dra Roberta Borocha - redaktora tematycznego tego numeru.
This item is available online. Expand information to see details.
Dostęp do treści elektronicznej wymaga posiadania kodu PIN. Po odbiór kodu PIN zapraszamy do biblioteki.
Book
In basket
Algorytmy sztucznej inteligencji : ilustrowany przewodnik / Rishal Hurbans ; przekład: Tomasz Walczak - Gliwice : Helion , cop. 2021. - XXIII, [1], 335 s. : il., wykresy ; 23 cm.
ISBN: 978-83-283-7507-9
1. Intuicyjne omówienie sztucznej inteligencji Czym jest sztuczna inteligencja? Krótka historia sztucznej inteligencji. Rodzaje problemów i modele ich rozwiązywania. Intuicyjne omówienie zagadnień z obszaru sztucznej inteligencji. Zastosowania algorytmów sztucznej inteligencji. 2. Podstawy przeszukiwania. Czym jest planowanie i przeszukiwanie? Koszt obliczeń - powód stosowania inteligentnych algorytmów. Jakie problemy można rozwiązywać za pomocą algorytmów przeszukiwania? Reprezentowanie stanu - tworzenie platformy do reprezentowania przestrzeni problemowej i rozwiązań. Przeszukiwanie siłowe - szukanie rozwiązań po omacku. Przeszukiwanie wszerz - najpierw wszerz, potem w głąb. Przeszukiwanie w głąb - najpierw w głąb, potem wszerz. Zastosowania siłowych algorytmów przeszukiwania. Opcjonalne informacje - rodzaje grafów. Opcjonalne informacje - inne sposoby reprezentowania grafów. 3. Inteligentne przeszukiwanie. Definiowanie heurystyk - projektowanie hipotez opartych na wiedzy. Przeszukiwanie sterowane - szukanie rozwiązań z wykorzystaniem wskazówek. Przeszukiwanie antagonistyczne - szukanie rozwiązań w zmiennym środowisku. 4. Algorytmy ewolucyjne. Czym jest ewolucja? Problemy, jakie można rozwiązywać za pomocą algorytmów ewolucyjnych. Algorytm genetyczny - cykl życia. Kodowanie przestrzeni rozwiązań. Tworzenie populacji rozwiązań. Pomiar przystosowania osobników w populacji. Wybór rodziców na podstawie przystosowania. Generowanie osobników na podstawie rodziców. Tworzenie populacji następnego pokolenia. Konfigurowanie parametrów algorytmu genetycznego. Zastosowania algorytmów ewolucyjnych. 5. Zaawansowane techniki ewolucyjne. Cykl życia algorytmu ewolucyjnego. Różne strategie selekcji. Kodowanie z użyciem liczb rzeczywistych. Kodowanie porządkowe - korzystanie z sekwencji. Kodowanie za pomocą drzewa - praca z hierarchiami. Często spotykane rodzaje algorytmów ewolucyjnych. Słowniczek pojęć związanych z algorytmami ewolucyjnymi. Inne zastosowania algorytmów ewolucyjnych. 6. Inteligencja rozproszona: mrówki. Czym jest inteligencja rozproszona? Problemy dostosowane do algorytmu mrówkowego. Reprezentowanie stanu - jak zapisać ścieżki i mrówki? Cykl życia algorytmu mrówkowego. Zastosowania algorytmu mrówkowego. 7. Inteligencja rozproszona: cząstki. Na czym polega optymalizacja rojem cząstek? Problemy optymalizacyjne - bardziej techniczne spojrzenie. Problemy, jakie można rozwiązać za pomocą optymalizacji rojem cząstek. Reprezentowanie problemu - jak wyglądają cząstki? Przebieg działania algorytmu optymalizacji rojem cząstek. Zastosowania algorytmów optymalizacji rojem cząstek. 8. Uczenie maszynowe. Czym jest uczenie maszynowe? Problemy, jakie można rozwiązywać za pomocą uczenia maszynowego. Przebieg uczenia maszynowego. Klasyfikowanie z użyciem drzew decyzyjnych. Inne popularne algorytmy uczenia maszynowego. Zastosowania algorytmów uczenia maszynowego. 9. Sztuczne sieci neuronowe. Czym są sztuczne sieci neuronowe? Perceptron: reprezentacja neuronu. Definiowanie sieci ANN. Propagacja w przód - używanie wyuczonej sieci ANN. Propagacja wsteczna - uczenie sieci ANN. Możliwe funkcje aktywacji. Projektowanie sztucznych sieci neuronowych. Typy i zastosowania sieci ANN. 10. Uczenie przez wzmacnianie z użyciem algorytmu Q-learning. Czym jest uczenie przez wzmacnianie? Problemy rozwiązywane za pomocą uczenia przez wzmacnianie. Przebieg uczenia przez wzmacnianie. Deep learning w uczeniu przez wzmacnianie. Zastosowania uczenia przez wzmacnianie.
This item is available in one branch. Expand information to see details.
Wypożyczalnia
There are copies available to loan: sygn. 004 (1 egz.)
E-book
In basket
ISBN: 978-83-283-5246-9

Imponujący rozwój standardowych algorytmów przy ciągłej obniżce cen sprzętu i udostępnianiu coraz to szybszych komponentów przyczynił się do zrewolucjonizowania wielu gałęzi przemysłu. Obecnie uczenie maszynowe pozwala automatyzować procesy, które do niedawna musiały być zarządzane przez człowieka. Zadania, które jeszcze dekadę temu stanowiły nieprzekraczalną przeszkodę, dziś są wykonywane przez zwykły komputer osobisty. W efekcie dzięki technologii oraz dostępnym wysokopoziomowym otwartym platformom każdy, kto zainteresuje się uczeniem maszynowym, może projektować i wdrażać niezwykle potężne modele.

Celem tej książki jest przybliżenie profesjonalistom tajników złożonych algorytmów uczenia maszynowego i zasad ich stosowania w praktyce. Poza praktycznymi informacjami dotyczącymi działania algorytmów i ich wdrożeń znalazły się tu również niezbędne podstawy teoretyczne. Opisano klasyczne modele uczenia nadzorowanego, nienadzorowanego i półnadzorowanego. Wskazano, w jakich sytuacjach okazują się one najbardziej przydatne. Zaprezentowano techniki wydobywania danych za pomocą modeli bayesowskich, algorytmu MCMC, a także dzięki stosowaniu ukrytych modeli Markowa. Omówiono zestaw przydatnych do uczenia maszynowego narzędzi, takich jak biblioteki: scikit-learn, Keras i TensorFlow.

Najciekawsze zagadnienia:

  • najważniejsze koncepcje teoretyczne uczenia maszynowego
  • modelowanie probabilistyczne i uczenie hebbowskie
  • zaawansowane koncepcje modeli neuronowych
  • modele generatywne, takie jak splotowe sieci GAN i sieci Wassersteina
  • głębokie sieci przekonań
  • zaawansowane algorytmy: TD(tylda), aktor-krytyk, SARSA i Q-uczenie

Uczenie maszynowe - już dziś zaimplementuj rozwiązania przyszłości!

This item is available online. Expand information to see details.
Dostęp do treści elektronicznej wymaga posiadania kodu dostępu, który można odebrać w bibliotece.
E-book
In basket
ISBN: 978-83-283-6222-2

Opanuj Javę jak prawdziwy profesjonalista!

  • Podstawy algorytmiki dla praktyków
  • Modelowanie struktur danych w Javie
  • Skuteczne techniki programowania na przykładach

Java jest obecnie jednym z najpopularniejszych języków programowania, co zawdzięcza przede wszystkim swojej prostocie, nowoczesności, dużym możliwościom oraz niezależności od architektury platform sprzętowych i systemowych, na których mają pracować napisane w tym języku programy. Java znalazła zastosowanie w wielu różnych branżach - zdecydowanie dominuje w rozwiązaniach działających w sieci, stanowiących obecnie dużą część oprogramowania tworzonego komercyjnie. Mimo to dotychczas trudno było znaleźć rzetelne źródło wiedzy o algorytmach, które byłoby przeznaczone dla użytkowników Javy, wyjaśniało zasady modelowania danych w tym języku i pozwalało szybko testować gotowe programy.

Na szczęście to już przeszłość! Książka Algorytmy, struktury danych i techniki programowania dla programistów Java jest pierwszą poważną pozycją przybliżającą tematykę algorytmów osobom posługującym się tym językiem. W prosty i praktyczny sposób przedstawia najważniejsze zagadnienia algorytmiki, pozwala poznać struktury danych i ich zastosowania, prezentuje popularne algorytmy oraz problemy, które można za ich pomocą rozwiązać, omawia także techniki programowania wykorzystywane przez miliony specjalistów w ich codziennej pracy. Jeśli chcesz być profesjonalnym programistą Javy, nie mogłeś trafić lepiej!

  • Podstawy algorytmiki i kodowania liczb
  • Algorytmy rekurencyjne i iteracyjne
  • Analiza złożoności i optymalizacja algorytmów
  • Modelowanie i wykorzystanie struktur danych
  • Wykorzystanie biblioteki java.util
  • Przeszukiwanie i sortowanie danych
  • Przegląd technik programowania
  • Algorytmy grafowe i numeryczne
  • Kodowanie i kompresja danych
  • Wprowadzenie do języka Java i narzędzi JDK

Rozwiązuj problemy programistyczne w Javie!

This item is available online. Expand information to see details.
Dostęp do treści elektronicznej wymaga posiadania kodu dostępu, który można odebrać w bibliotece.
No cover
Book
In basket
Bio-Algorithms and Med-Systems. 2005 Vol.1 Nr 1/2 / Uniwersytet Jagielloński. - Kraków : Księgarnia Akademicka, 2005. - 383, [2] s. il., rys., tab., wykr. ; 29 cm.
ISBN: 83-7188-874-0
1. Sztuczna inteligencja. 2. Biocybernetyka. 3. Bioinformatyka. 4. Inżynieria biomedyczna. 5. Modelowanie i symulacja. 6. Rozpoznawanie wzorów. 7. Telemedycyna. 8. Filozofia.
This item is available in one branch. Expand information to see details.
Czytelnia
Copies are only available in the library: sygn. 61 (1 egz.)
No cover
Book
In basket
ISBN: 978-83-283-7509-3
Opinie o książce; Wstęp: Dla kogo jest przeznaczona ta książka?; Co musisz wiedzieć?; Czego się nauczysz dzięki tej książce?; Przedmowa; Część I. Uczenie głębokie w praktyce; Rozdział 1. Podróż po świecie uczenia głębokiego: Uczenie głębokie jest dla każdego; Sieci neuronowe krótka historia; Kim jesteśmy?; Jak zdobyć wiedzę o uczeniu głębokim?; Twoje projekty i Twój sposób myślenia; Oprogramowanie: PyTorch, fastai i Jupyter (i dlaczego nie ma to znaczenia); Twój pierwszy model; Uzyskanie dostępu do serwera z procesorem graficznym i możliwością realizowania uczenia głębokiego; Uruchomienie pierwszego notatnika; Co to jest uczenie maszynowe?; Co to jest sieć neuronowa?; Trochę słownictwa związanego z uczeniem głębokim; Ograniczenia związane z uczeniem maszynowym; Jak działa nasz program do rozpoznawania obrazów; Czego nauczył się program do rozpoznawania obrazów?; Systemy do rozpoznawania obrazów mogą radzić sobie z zadaniami innymi niż analiza obrazów; Podsumowanie słownictwa; Uczenie głębokie to nie tylko klasyfikowanie obrazów; Zbiory walidacyjne i testowe; Użycie oceny w definiowaniu zbiorów testowych; Moment, w którym wybierasz swoją własną przygodę; Pytania; Dalsze badania; Rozdział 2. Od modelu do produkcji: Praktyczne zastosowanie uczenia głębokiego; Rozpoczęcie projektu; Stan uczenia głębokiego; Widzenie komputerowe; Dokumenty tekstowe (przetwarzanie języka naturalnego); Łączenie tekstu z obrazami; Dane tabelaryczne; Systemy rekomendacji; Inne typy danych; Metoda układu napędowego; Gromadzenie danych; Od danych do obiektu DataLoaders; Generowanie sztucznych danych; Trenowanie modelu i używanie go do czyszczenia danych; Przekształcanie modelu w aplikację internetową; Korzystanie z modelu do wnioskowania; Tworzenie w notatniku aplikacji na podstawie modelu; Zamień notatnik w prawdziwą aplikację; Wdrażanie aplikacji; Jak uniknąć katastrofy; Nieprzewidziane konsekwencje i pętle sprzężenia zwrotnego; Zapisuj!; Pytania; Dalsze badania; Rozdział 3. Etyka danych: Kluczowe przykłady etyki danych; Błędy i regresja: wadliwy algorytm używany do świadczeń opieki zdrowotnej; Pętle sprzężenia zwrotnego: system rekomendacji YouTube; Uprzedzenie: wykładowca Latanya Sweeney aresztowana; Dlaczego ma to znaczenie?; Integracja uczenia maszynowego z projektowaniem produktu; Zagadnienia związane z etyką danych; Regres i odpowiedzialność; Pętle sprzężenia zwrotnego; Uprzedzenie; Uprzedzenie historyczne; Uprzedzenie pomiarowe; Uprzedzenie agregacyjne; Uprzedzenie reprezentacyjne; Rozwiązywanie problemów związanych z różnymi rodzajami uprzedzeń; Dezinformacja; Identyfikowanie i rozwiązywanie problemów etycznych; Przeanalizuj projekt, nad którym pracujesz; Procesy do zaimplementowania; Pryzmat etyczny; Potęga różnorodności; Uczciwość, odpowiedzialność i przejrzystość; Rola polityki; Skuteczność przepisów; Prawa i polityka; Samochody historyczny precedens; Wnioski; Pytania; Dalsze badania; Uczenie głębokie w praktyce to wszystko!; Część II. Zrozumienie aplikacji fastai: Rozdział 4. Jak to wygląda od środka trenowanie klasyfikatora cyfr: Piksele podstawa widzenia komputerowego; Podejście pierwsze: podobieństwo pikseli; Tablice NumPy i tensory PyTorch; Wyznaczanie wskaźników z wykorzystaniem rozgłaszania; Stochastyczny spadek wzdłuż gradientu; Wyznaczanie gradientów; Stopniowanie ze współczynnikiem uczenia; Kompleksowy przykład użycia stochastycznego spadku wzdłuż gradientu; Etap 1.: inicjalizacja parametrów; Etap 2.: obliczanie prognoz; Etap 3.: obliczanie straty; Etap 4.: obliczanie gradientów; Etap 5.: stopniowanie wag; Etap 6.: powtórzenie procesu; Etap 7.: koniec; Podsumowanie procesu stochastycznego spadku wzdłuż gradientu; Funkcja straty MNIST; Sigmoida; Stochastyczny spadek wzdłuż gradientu i minipaczki; Złożenie wszystkiego w całość; Tworzenie optymalizatora; Wprowadzanie nieliniowości; Bardziej rozbudowane modele; Podsumowanie słownictwa; Pytania; Dalsze badania; Rozdział 5. Klasyfikowanie obrazów: Od psów i kotów do ras zwierząt domowych; Dobór wstępny; Sprawdzanie i debugowanie obiektu DataBlock; Entropia krzyżowa; Przeglądanie aktywacji i etykiet; Softmax; Logarytm prawdopodobieństwa; Obliczanie logarytmu; Interpretacja modelu; Poprawianie modelu; Wyszukiwarka współczynnika uczenia; Odmrażanie i uczenie transferowe; Dyskryminatywne współczynniki uczenia; Wybór liczby epok; Bardziej złożone architektury; Podsumowanie; Pytania; Dalsze badania; Rozdział 6. Inne zagadnienia związane z widzeniem komputerowym: Klasyfikacja wieloetykietowa; Dane; Tworzenie obiektu DataBlock; Binarna entropia krzyżowa; Regresja; Gromadzenie danych; Trenowanie modelu; Podsumowanie; Pytania; Dalsze badania; Rozdział 7. Trenowanie supernowoczesnego modelu: Imagenette; Normalizacja; Progresywna zmiana rozmiaru; Wydłużenie czasu testu; Mixup; Wygładzanie etykiet; Podsumowanie; Pytania; Dalsze badania; Rozdział 8. Szczegółowa analiza filtrowania zespołowego: Pierwszy kontakt z danymi; Czynniki ukryte; Tworzenie obiektu DataLoaders; Filtrowanie zespołowe od podstaw; Wygaszanie wag; Tworzenie własnego modułu osadzania; Interpretacja osadzeń i przesunięć; Użycie aplikacji fastai.collab; Odległość osadzania; Uruchamianie modelu filtrowania zespołowego; Uczenie głębokie w filtrowaniu zespołowym; Podsumowanie; Pytania; Dalsze badania; Rozdział 9. Szczegółowa analiza modelowania tabelarycznego: Osadzenia skategoryzowane; Poza uczeniem głębokim; Zbiór danych; Konkursy Kaggle; Sprawdzenie danych; Drzewa decyzyjne; Obsługa dat; Użycie obiektów TabularPandas i TabularProc; Tworzenie drzewa decyzyjnego; Zmienne skategoryzowane; Lasy losowe; Tworzenie lasu losowego; Błąd out-of-bag; Interpretacja modelu; Wariancja drzewa dla pewności prognozy; Ważności cech; Usuwanie zmiennych o niskiej ważności; Usuwanie zbędnych cech; Częściowa zależność; Wyciek danych; Interpreter drzewa; Ekstrapolacja i sieci neuronowe; Problem ekstrapolacji; Wyszukiwanie danych spoza domeny; Użycie sieci neuronowej; Łączenie w zespoły; Wzmacnianie; Łączenie osadzeń z innymi metodami; Podsumowanie; Pytania; Dalsze badania; Rozdział 10. Szczegółowa analiza przetwarzania języka naturalnego rekurencyjne sieci neuronowe: Wstępne przetwarzanie tekstu; Tokenizacja; Tokenizacja słów przy użyciu biblioteki fastai; Tokenizacja podłańcuchów; Zamiana na liczby przy użyciu biblioteki fastai; Umieszczanie tekstu w paczkach dla modelu językowego; Trenowanie klasyfikatora tekstu; Użycie klasy DataBlock w modelu językowym; Dostrajanie modelu językowego; Zapisywanie i wczytywanie modeli; Generowanie tekstu; Tworzenie klasyfikatora DataLoaders; Dostrajanie klasyfikatora; Dezinformacja i modele językowe; Podsumowanie; Pytania; Dalsze badania; Rozdział 11. Przygotowywanie danych dla modeli za pomocą interfejsu API pośredniego poziomu z biblioteki fastai: Szczegółowa analiza warstwowego interfejsu programistycznego biblioteki fastai; Transformacje; Tworzenie własnej transformacji; Klasa Pipeline potoku transformacji; TfmdLists i Datasets kolekcje przekształcone; TfmdLists; Datasets; Zastosowanie interfejsu API pośredniego poziomu SiamesePair; Podsumowanie; Pytania; Dalsze badania; Zrozumienie aplikacji fastai podsumowanie; Część III. Podstawy uczenia głębokiego: Rozdział 12. Tworzenie od podstaw modelu językowego: Dane; Tworzenie od podstaw pierwszego modelu językowego; Obsługa modelu językowego w bibliotece PyTorch; Pierwsza rekurencyjna sieć neuronowa; Ulepszanie sieci RNN; Obsługa stanu sieci RNN; Tworzenie większej liczby sygnałów; Wielowarstwowe rekurencyjne sieci neuronowe; Model; Eksplodujące lub zanikające aktywacje; Architektura LSTM; Tworzenie modelu LSTM od podstaw; Trenowanie modelu językowego wykorzystującego architekturę LSTM; Regularyzacja modelu LSTM; Dropout; Regularyzacja aktywacji i czasowa regularyzacja aktywacji; Trening regularyzowanego modelu LSTM z wiązanymi wagami; Podsumowanie; Pytania; Dalsze badania; Rozdział 13. Konwolucyjne sieci neuronowe: Magia konwolucji; Odwzorowywanie jądra splotu; Konwolucje w bibliotece PyTorch; Kroki i dopełnienie; Zrozumienie równań konwolucji; Pierwsza konwolucyjna sieć neuronowa; Tworzenie konwolucyjnej sieci neuronowej; Zrozumienie arytmetyki konwolucji; Pola receptywne; Kilka uwag o Twitterze; Obrazy kolorowe; Ulepszanie stabilności trenowania; Prosty model bazowy; Zwiększenie wielkości paczki; Trenowanie jednocykliczne; Normalizacja wsadowa; Podsumowanie; Pytania; Dalsze badania; Rozdział 14. Sieci ResNet: Powrót do Imagenette; Tworzenie nowoczesnej konwolucyjnej sieci neuronowej ResNet; Pomijanie połączeń; Model sieci ResNet na poziomie światowym; Warstwy z wąskim gardłem; Podsumowanie; Pytania; Dalsze badania; Rozdział 15. Szczegółowa analiza architektur aplikacji: Widzenie komputerowe; Funkcja cnn_learner; Funkcja unet_learner; Model syjamski; Przetwarzanie języka naturalnego; Dane tabelaryczne; Podsumowanie; Pytania; Dalsze badania; Rozdział 16. Proces trenowania: Tworzenie modelu bazowego; Ogólny optymalizator; Momentum; RMSProp; Adam; Dwie metody wygaszania wag; Wywołania zwrotne; Tworzenie wywołania zwrotnego; Kolejność wywołań zwrotnych i wyjątki; Podsumowanie; Pytania; Dalsze badania; Podstawy uczenia głębokiego podsumowanie; Część IV. Uczenie głębokie od podstaw: Rozdział 17. Sieć neuronowa od podstaw: Tworzenie od podstaw warstwy sieci neuronowej; Modelowanie neuronu; Mnożenie macierzy od podstaw; Arytmetyka składowych; Rozgłaszanie; Rozgłaszanie wartości skalarnej; Rozgłaszanie wektora na macierz; Zasady rozgłaszania; Konwencja sumacyjna Einsteina; Przejścia w przód i wstecz; Definiowanie i inicjalizowanie warstwy; Gradienty i przejście wstecz; Modyfikowanie modelu; Implementacja przy użyciu biblioteki PyTorch; Podsumowanie; Pytania; Dalsze badania; Rozdział 18. Interpretacja sieci CNN przy użyciu mapy aktywacji klas: Mapa aktywacji klas i punkty zaczepienia; Gradientowa mapa aktywacji klas; Podsumowanie; Pytania; Dalsze badania; Rozdział 19. Klasa Learner biblioteki fastai od podstaw: Dane; Klasa Dataset; Klasy Module i Parameter; Prosta konwolucyjna sieć neuronowa; Funkcja straty; Klasa Learner; Wywołania zwrotne; Harmonogram modyfikowania współczynnika uczenia; Podsumowanie; Pytania; Dalsze badania; Rozdział 20. Uwagi końcowe: Dodatek A. Tworzenie bloga; Blogowanie przy użyciu usługi GitHub Pages; Tworzenie repozytorium; Konfigurowanie strony głównej; Tworzenie wpisów; Synchronizowanie GitHuba z własnym komputerem; Tworzenie bloga za pomocą notatnika Jupytera; Dodatek B. Lista kontrolna projektu dotyczącego danych; Analitycy danych; Strategia; Dane; Analityka; Implementacja; Utrzymywanie; Ograniczenia; O autorach; Podziękowania; Kolofon.
This item is available in one branch. Expand information to see details.
Wypożyczalnia
There are copies available to loan: sygn. 004 (2 egz.)
E-book
In basket
ISBN: 978-83-283-7284-9

Techniki uczenia głębokiego rozwijają się w imponującym tempie, a sieci neuronowe znajdują zastosowanie w przeróżnych branżach. Coraz częściej komputer wykonuje zadania, które do niedawna były zarezerwowane dla człowieka. Dobrym przykładem jest tworzenie dzieł sztuki: ostatnie postępy w dziedzinie modelowania generatywnego sprawiają, że maszyny tworzą oryginalne obrazy w określonym stylu, piszą spójne akapity tekstu, komponują przyjemną w odbiorze muzykę i generują prawdopodobne scenariusze zdarzeń. Ta "generatywna rewolucja" już się zaczęła, a jej efekty przekraczają najśmielsze wyobrażenia.

Ta książka jest praktycznym przewodnikiem przeznaczonym dla inżynierów uczenia maszynowego i analityków danych. W jasny i przystępny sposób omówiono w niej zasadnicze zagadnienia teorii modelowania generatywnego, a następnie zaprezentowano techniki stosowane do budowy modeli generatywnych, włącznie z ogólnym opisem uczenia głębokiego, wariacyjnych autoenkoderów i generatywnych sieci antagonistycznych (GAN). Na tej podstawie - z wykorzystaniem biblioteki Keras - pokazano wewnętrzne funkcjonowanie każdej z tych technik, łącznie z najbardziej nowatorskimi architekturami. Opisano krok po kroku sposoby rozwiązywania takich twórczych zadań jak malowanie, pisanie i komponowanie muzyki, a także zastosowania modelowania generatywnego do optymalizacji strategii grania w gry (modele World).

W książce między innymi:

  • działanie autoenkoderów wariacyjnych
  • tworzenie sieci GAN, w tym CycleGAN i MuseGAN
  • rekurencyjne modele generatywne do tworzenia tekstu oraz mechanizmy uwagi
  • modele generatywne w środowiskach uczenia przez wzmacnianie
  • architektura Transformer (BERT, GPT-2) oraz modele generowania obrazu

Czy potrafisz stworzyć... twórcę?

This item is available online. Expand information to see details.
Dostęp do treści elektronicznej wymaga posiadania kodu dostępu, który można odebrać w bibliotece.
E-book
In basket
ISBN: 978-83-283-4174-6

Na naszych oczach dokonuje się przełom: technologie wykorzystujące rozmaite formy sztucznej inteligencji zaczynają się pojawiać w różnych branżach. Niektórzy nawet nie zdają sobie sprawy, jak często i jak powszechnie stosuje się algorytmy uczenia głębokiego. Możliwości w tym zakresie stale rosną. Wzrasta też zapotrzebowanie na inżynierów, którzy swobodnie operują wiedzą o uczeniu głębokim i są w stanie zaimplementować potrzebne algorytmy w konkretnym oprogramowaniu. Uczenie głębokie jest jednak dość złożonym zagadnieniem, a przyswojenie sobie potrzebnych umiejętności wymaga wysiłku.

Ta książka stanowi doskonałe wprowadzenie w temat uczenia głębokiego. Wyjaśniono tu najważniejsze pojęcia uczenia maszynowego. Pokazano, do czego mogą się przydać takie narzędzia jak pakiet scikit-learn, biblioteki Theano, Keras czy TensorFlow. Ten praktyczny przewodnik znakomicie ułatwi zrozumienie zagadnień rozpoznawania wzorców, dokładnego skalowania danych, pozwoli też na rzetelne zapoznanie się z algorytmami i technikami uczenia głębokiego. Autorzy zaproponowali wykorzystanie w powyższych celach języka Python - ulubionego narzędzia wielu badaczy i pasjonatów nauki.

W książce między innymi:

  • Solidne podstawy uczenia maszynowego i sieci neuronowych
  • Trening systemów sztucznej inteligencji w grach komputerowych
  • Rozpoznawanie obrazów
  • Rekurencyjne sieci neuronowej w modelowaniu języka
  • Budowa systemów wykrywania oszustw i włamań

Uczenie głębokie: zajrzyj w przyszłość programowania!


Dr Valentino Zokka opracował wiele algorytmów matematycznych i modeli prognostycznych dla firmy Boeing. Obecnie jest konsultantem w branży finansowej.

Gianmario Spacagna pracuje w firmie Pirelli, gdzie buduje systemy maszynowego uczenia się i kompletne rozwiązania do produktów informacyjnych.

Daniel Slater tworzył oprogramowanie do oceny ryzyka dla branży finansowej. Obecnie zajmuje się systemami do przetwarzania dużych ilości danych i analizy zachowań użytkowników.

Peter Roelants specjalizuje się w stosowaniu technik uczenia głębokiego do badań spektralnych obrazów, rozpoznawania mowy czy ekstrakcji danych z dokumentów.

This item is available online. Expand information to see details.
Dostęp do treści elektronicznej wymaga posiadania kodu dostępu, który można odebrać w bibliotece.
No cover
Book
In basket
ISBN: 83-7011-168-8
Problemy efektywnego zarządzania; Istota zarządzania i procesy zarządzania; Zarządzanie jako przetwarzanie informacji; Zarządzanie a wiedza; Systemy sztucznej inteligencji; Wybrane problemy budowy i funkcjonowania systemów ekspertowych; Pojęcie systemu ekspertowego; Wiedza i jej reprezentacja; Pozyskiwanie wiedzy w systemach zarządzania; Wykorzystywanie szeregów czasowych jako źródła wiedzy systemów ekspertowych; Systemy ekspertowe wspomagające zarządzanie; Kierunki zastosowań systemów ekspertowych w zarządzaniu; Konfigurowanie systemu komputerowego na przykładzie systemu XCON; Harmonogramowanie zadań produkcyjnych na przykładzie systemu ISIS; Tendencje rozwojowe sztucznej inteligencji; Odkrywanie wiedzy w systemach informatycznych zarządzania; Systemy wnioskujące na podstawie przypadków; Istota systemu tablicowego.
This item is available in one branch. Expand information to see details.
Czytelnia
Copies are only available in the library: sygn. 004 (1 egz.)
No cover
Book
In basket
ISBN: 83-7011-803-8
1. Wiedza i sztuczna inteligencja: 1.1. Wiedza i procesy wnioskowania. 1.2. Pojęcie i struktura sztucznej inteligencji. 1.3. Systemy inteligentne i ich zróżnicowanie. 2. Wybrane problemy maszynowego uczenia się: 2.1. Podstawy i idea maszynowego uczenia się. 2.2. Model maszynowego uczenia się. 2.3. Rodzaje maszynowego uczenia się. 2.4. Zastosowanie maszynowego uczenia się. 3. Środowisko systemów ekspertowych: 3.1.Cele i zadania systemu ekspertowego. 3.2.Struktura i funkcjonowanie systemu ekspertowego. 3.3. Źródła wiedzy jako podstawa różnicowania budowy systemu ekspertowego. 4. Zarys procesu budowy systemu ekspertowego: 4.1.Etapy budowy systemu ekspertowego. 4.2. Akwizycja wiedzy. 4.3. Reprezentowanie wiedzy. 4.4. Implementowanie systemu. 5. Automatyczne odkrywanie wiedzy: 5.1.Struktura procesu automatycznego generowania wiedzy. 5.2. Istota i metody drążenia danych. 5.3. Inne metody automatyzujące proces odkrywania wiedzy.
This item is available in 2 branches. Expand the list to see details.
Wypożyczalnia
All copies are currently on loan: sygn. 004 (1 egz.)
Czytelnia
Copies are only available in the library: sygn. 004 (1 egz.)
E-book
In basket
ISBN: 978-83-235-4194-3
Publikacja opisuje zmiany związane z transformacją cyfrową zachodzące w obszarze funkcjonowania rynku, produkcji, konsumpcji, pracy i państwa nowej generacji z perspektywy ekonomii i socjologii. Wychodząc od określenia „przemysł 4.0”, obejmującego sztuczną inteligencję, Big Data, Internet Rzeczy, algorytmizację, automatyzację, komunikowanie się maszyn i in. autorki przybliżają główne obszary gospodarki cyfrowej: rynek 4.0, produkcję 4.0, konsumpcję 4.0, globalizację 4.0, a także państwo 4.0. Omawiają specyfikę nowego, sieciowego (nielinearnego) modelu biznesowego. Zwracają uwagę na wpływ procesów platformizacji i automatyzacji na konsumpcję i rynek pracy oraz na zmiany zachodzące w sposobie funkcjonowania państwa w wyniku wdrażania nowych technologii. Podkreślają również znaczenie nowych technologii, a zwłaszcza nowych modeli biznesowych, dla procesów globalizacji, głównie w jej wymiarze gospodarczym. Każdy z rozdziałów kończy się krótkim podsumowaniem omawiającym ewolucję opisywanego obszaru od poziomu 1.0, odpowiadającego pierwszej rewolucji technologicznej i przemysłowej, do poziomu 4.0, wyłaniającego się w rezultacie dokonującej się właśnie czwartej rewolucji. Znakomite źródło wiedzy na temat transformacji cyfrowej, związanych z nią korzyści i zagrożeń. Książka adresowana do badaczy, decydentów, przedsiębiorców, pracowników, edukatorów i konsumentów. Publikacja na licencji Creative Commons Uznanie autorstwa 3.0 PL (CC BY 3.0 PL) (pełna treść wzorca dostępna pod adresem: http://creativecommons.org/licenses/by/3.0/pl/legalcode). The publication describes the changes related to digital transformation in the functioning of the markets, production, consumption, work and the new generation state from the perspective of economics and sociology. Starting with the definition of “industry 4.0”, which encompasses artificial intelligence, Big Data, the Internet of Things, advanced algorithms, automatization and machine to machine communication, the authors outline the main fields of digital industry. They discuss the specificity of the new network business model and emphasise the influence of platformization and automatization on consumption and the job market and on changes in the functioning of states, resulting from the implementation of new technologies. They also underline the importance of new technologies in globalisation processes.
This item is available online. Expand information to see details.
Dostęp do treści elektronicznej wymaga posiadania kodu PIN. Po odbiór kodu PIN zapraszamy do biblioteki.
Book
In basket
ISBN: 83-204-2798-3
Cz. I Architektura komputerów: Przechowywanie danych; Operowanie danymi. Cz. II Oprogramowanie: Systemy operacyjne i sieci; Algorytmy; Języki programowania; Inżynieria oprogramowania Cz. III Organizacja danych: Struktura danych; Struktury plikowe; Bazy danych. Cz. IV Możliwości maszyn algorytmicznych: Sztuczna inteligencja; Teoria obliczeń. Dodatki.
This item is available in one branch. Expand information to see details.
Czytelnia
Copies are only available in the library: sygn. 004 (1 egz.)
No cover
Book
In basket
Informatyka, Matematyka. - Sosnowiec : Wyższa Szkoła Zarządzania i Marketingu w Sosnowcu, 2003. - 74 s. : il, wykr., tab. ; 24 cm.
(Zeszyty Naukowe WSZiM w Sosnowcu. Informatyka, Matematyka ; Zeszyt 1 (1/2003))
1. Technologie informacyjne i strategie zarządzania wiedzą, 2. Projekt aplikacji monitorującej sieć Novell Netware, 3. Bezpieczeństwo sieci komputerowych, 4.Probabilistic properities od the sets of deteministic sequences, 5.Technologie sztucznej inteligencji w systemach zarządzania, 6. Tworzenie regułowych baz wiedzy z wykorzystaniem systemu kbBuider, 7. Wyznaczenie miar Monte Carlo w sieciach Pert, 8. Statystyczny system informacyjny
This item is available in 2 branches. Expand the list to see details.
Wypożyczalnia
There are copies available to loan: sygn. 004 (4 egz.)
Czytelnia
Copies are only available in the library: sygn. 004 (1 egz.)
No cover
Book
In basket
ISBN: 83-87133-64-7
1. Wirtualna organizacja działań w rozwoju technologii społeczeństwa informacyjnego, 2.Wybrnae problemy wyzwań, szans i ograniczeń, 3. Podstawy informacyjne i obliczeniowe inteligentnych metod komputerowych, 4. Środowisko informacyjne organizacji wirtualnej, 5. Centra danych i zarządzanie informacją, 6. Wybrane badania przedmiotowe i rozwiązania eksperymentalne
This item is available in one branch. Expand information to see details.
Czytelnia
Copies are only available in the library: sygn. 004 (1 egz.)
No cover
Book
In basket
ISBN: 83-204-2981-1
1. Podstawowe problemy informatyki i sieci komputerowych: Nanosystemy informatyki w nanotechnologiach molekularnych; Konwergencja sieci teleinformatycznych i problem jakości usług; Kwantowe przesyłanie informacji Mechanizmy zapewnienia jakości usług w sieci Internet; Architektura oparta o sieć Internet/Internet w przemysłowych systemach wizualizacji; Badania symulacyjne pakietowych sieci optycznych o dowolnych topologiach; Nanotechnologie i nanoinformatyka w Europie i na świecie. 2. Rozwój zastosowań Internetu: Zastosowanie metod sztucznej inteligencji w Internecie; Badania i pomiary Internetu dla potrzeb gospodarki elektronicznej. Wybrane problemy i rozwiązania; Technologie internetowe w sterowaniu i monitoringu procesów technologicznych; Dostęp do usług katalogowych z wykorzystaniem języka XML w aplikacjach WWW; Skalowana kompresja wideo na potrzeby transmisji sieciowych; Rozszerzenie możliwości języka SQL dla potrzeb analizy zasobów Internetowych; Pakietowy przesył danych w telefonii komórkowej; Technologie wspierające procesy wyszukiwania informacji w przyszłej sieci WWW. 3. Zastosowanie sieci Internetu a problem bezpieczeństwa informacji: Bezpieczeństwo sieci akademickiej; Bezpieczeństwo teleinformatyczne usług pocztowych nowych technologii; Zagrożenie prywatności w technologii WWW; Adaptacyjny System detekcji intruzów; Autoryzowany dostęp do stron internetowych z wykorzystaniem kart elektronicznych; Implementacja infrastruktury klucza publicznego w ramach Internetu; Biometryczne metody uwierzytelniania użytkowników serwisów internetowych; Badanie zabezpieczeń sieci WLAN; Monitorowanie sieci komputerowych; Uwierzytelnianie użytkowników w Internecie oparte na analizie sposobu pisania na klawiaturze; Wydajne sygnatury aktów dla sieciowych systemów wykrywania włamań; Dynamika relacji zaufania i jej modelowanie w systemach teleinformatycznych; Przestępczość komputerowa.
This item is available in one branch. Expand information to see details.
Czytelnia
Copies are only available in the library: sygn. 004 (1 egz.)
No cover
Book
In basket
Inżynieria wiedzy / Jan Jagielski. - Zielona Góra : Uniwersytet Zielonogórski , 2005. - 218 s. : rys., tab. ; 24 cm.
ISBN: 83-89712-55-5
Zawiera: 1.Inteligencja; 2. Wiedza w systemach sztucznej inteligencji; 3. Symboliczna reprezentacja wiedzy; 4. Bazy wiedzy; 5. Bazy danych; 6. Pozyskiwanie wiedzy do baz wiedzy; 7. Kwestionariusz jako narzędzie pozyskiwania wiedzy od ekspertów; 8. Wydobywanie i agregacja wiedzy ekspertów; 9. Dokładne przetwarzanie wiedzy; 10. Wnioskowanie przybliżone; Dialog w systemie ekspertowym; Zakończenie.
This item is available in one branch. Expand information to see details.
Wypożyczalnia
There are copies available to loan: sygn. 004 (1 egz.)
Book
In basket
ISBN: 978-83-8175-154-4
Wprowadzenie; Rozdział 1. Antropologiczne i psychologiczne aspekty maski 1. Fenomen maski w mitach i tradycjach kultury 2. Rola i funkcje maski w tradycjach teatralnych 3. Fenomen maski w literaturze pięknej 4. Maski przywództwa w dziełach filmowych 5. Kluczowe pytania o rolę i funkcję maski 6. Persona jako maska osobowości człowieka 7. Demaskowanie iluzji jako klucz do poznania siebie 8. Diagnoza Gombrowicza: pustka ukryta za maską Rozdział 2. Maski przywódców dyktatorów 1. Adolf Hitler i jego maska przerażającej nicości 2. Błazeńska maska Benito Mussoliniego 3. Bestialska maska Józefa Stalina Rozdział 3. Maska przywódcy i psychologia zła 1. Efekt Lucyfera jako klucz do psychologii zła 2. Anonimowość, deindywiduacja i dehumanizacja 3. Maski zbrodniarzy i banalizacja zła Rozdział 4. Film propagandowy jako maska przywódcy 1. Zbiorowy triumf nazistowskiej woli 2. Zdemaskowanie nazistowskiego oszustwa propagandowego Rozdział 5. Maski przywódców świata biznesu 1. Groteskowa maska Elizabeth Holmes 2. Steve Bellmer w masce showmana 3. Liderzy wobec paradoksów autentyczności 4. Maska pośmiertna Steve’a Jobsa 5. Epitafium dla Alana Turinga Rozdział 6. Sztuczna inteligencja jako maska współczesnego człowieka 1. Maskowaty android jako partner i lider w świecie ludzi 2. Inteligentne roboty jako liderzy przyszłości? 3. Internet międzygalaktyczny i kolonizacja Marsa 4. Czy internet śni sam o sobie? 5. Możliwości inteligentnych robotów 6. Inteligentna broń jako lider na polu walki 7. Sztuczna inteligencja zagrożeniem dla ludzkości? 8. Roboty czy ludzie pokierują misją marsjańska? Rozdział 7. Fikcyjny szef jako maska współczesnego lidera 1. Szef wszystkich szefów jako maska 2. Maska szefa jako narzędzie przemocy w firmie 3. Demaskowanie fikcyjnego szefa firmy 4. Maska bohaterem tragifarsy firmowej 5. Szef szefa wszystkich szefów jako parodia lidera Rozdział 8. Maska lidera w badaniach własnych 1. Metoda i założenia badawcze 2. Istota i natura maski lidera 3. Funkcje maski lidera 4. Maska lidera w kulturze organizacji 5. Konsekwencje używania maski przez lidera 6. Maska a rozwój i edukacja liderów nowej generacji Rozdział 9. Maski przywództwa w czasie kryzysu pandemii COVID-19 1. Pandemia niekompetencji przywódców 2. Pandemiczna maska Donalda Trumpa 3. Przywódcy w pułapce pandemicznej maski 4. Groteskowe maski prezydentów w kryzysie pandemii 5. Przywódcy liberalnych demokracji wobec pandemii 6. Kryzys przywództwa i korekta demokracji 7. Dyskryminacja i stygmatyzacja osób z COVID-19 8. Skuteczni przywódcy, którzy pokonali pandemię Rozdział 10. Koncepcja przywództwa w działaniu jako alternatywa dla przywództwa w maskach 1. Kluczowe założenia koncepcji przywództwa w działaniu 2. Przywództwo przyszłości bez masek 3. Manifest liderów przyszłości; Bibliografia.
This item is available in one branch. Expand information to see details.
Wypożyczalnia
Brak informacji o dostępności: sygn. 316
Book
In basket
Metody i techniki sztucznej inteligencji / Leszek Rutkowski. - Wyd. 2 zm. - Warszawa : PWN Wydaw. Nauk., 2009. - 451 s. : rys., tab., wykr. ; 24 cm.
ISBN: 978-83-01-15731-9
1. Wstęp, 2. Wybrane zagadnienia sztucznej inteligencji, 3. Metody reprezentacji wiedzy z wykorzystaniem zbiorów przybliżonych, 4. Metody reprezentacji wiedzy z wykorzystaniem zbiorów rozmytych typu 1, 5. Metody reprezentacji wiedzy z wykorzystaniem zbiorów rozmytych typu 2, 6. Sieci neuronowe i algorytmy ich ucznia, 7. Algorytmy ewolucyjne, 8. Metody grupowania danych, 9. Systemu neuronowo-rozmyte typu Mamdaniego, logicznego i Tagaki-Sugeno, 10. Elastyczne systemy neuronowo-rozmyte
This item is available in one branch. Expand information to see details.
Czytelnia
Copies are only available in the library: sygn. 004 (1 egz.)
Book
In basket
ISBN: 83-01-14529-3
1. Wstęp, 2. Wybrane zagadnienia sztucznej inteligencji, 3. Metody reprezentacji wiedzy z wykorzystaniem zbiorów przybliżonych, 4. Metody reprezentacji wiedzy z wykorzystaniem zbiorów rozmytych typu 1, 5. Metody reprezentacji wiedzy z wykorzystaniem zbiorów rozmytych typu 2, 6. Sieci neuronowe i algorytmy ich ucznia, 7. Algorytmy ewolucyjne, 8. Metody grupowania danych, 9.Systemu neuronowo-rozmyte typu Mamdaniego, logicznego i Tagaki-Sugeno, 10. Elastyczne systemy neuronowo-rozmyte
This item is available in one branch. Expand information to see details.
Wypożyczalnia
There are copies available to loan: sygn. 004 (3 egz.)
No cover
Book
In basket
(Prace Naukowe Uniwersytetu Śląskiego / Uniwersytet Śląski. Zarządzanie i Technologie Informacyjne / red. Barbara Kożusznik ISSN 0208-6336 ; T.2)
1. Metody odkrywania wiedzy w zastosowaniach ekonomicznych. 2. Systemy rekomendacji i techniki personalizacji. 3. Bazy danych statystycznych narzędziem marketingu internetowego organizacji statystycznych. 4. Zagadnienia modelowania konceptualnego i reprezentacji wiedzy prawnej 5. Zastosowanie metod uczenia maszynowego w analizie morfologicznej języka polskiego. 6. Metoda wykorzystania słownika do porównywania bardzo krótkich tekstów. 7. Problemy wnioskowania w warunkach niepewności. 8. Budowa rozmytej bazy wiedzy do analizy eksperymentalnych danych rynkowych. 9. Automatyzacja procesu wymiarowania oprogramowania w projektach informatycznych. 10. Programowanie z ograniczeniami w systemach wspomagania decyzji MŚP 11. Zastosowanie algorytmu uczenia populacji oraz sztucznej sieci neuronowej do predykacji wartości szeregu czasowego 12. Algorytm ewolucyjny i jego zastosowanie w optymalizacj rozdziału zasobów ciągłych i dyskretnych 13. System wspomagania planowania krótkoterminowego dla pewnej klasy systemów wytwarzania. 14. Uczenie się podejmowania decyzji na podstawie opóźnionych nagród 15. Koewolucja kooperatywna w dekompozycji zadań rozpoznawania obrazów 16. Modelowanie procesów biznesowych do implementacji systemów wieloagentowych 17. Wybrane zastosowania metod sztucznej inteligencji w robotyce
This item is available in one branch. Expand information to see details.
Czytelnia
Copies are only available in the library: sygn. 004 (1 egz.)
The item has been added to the basket. If you don't know what the basket is for, click here for details.
Do not show it again