1 / 25

Instytut Zarządzania

ZIP. Zarządzanie i Inżynieria Produkcji. Instytut Zarządzania. Przygotował dr inż. Łukasz MACH. Nysa, styczeń 2006. Instytut Zarządzania – Państwowa Wyższa Szkoła Zawodowa. ZIP. Zarządzanie i Inżynieria Produkcji. Instytut Zarządzania – Państwowa Wyższa Szkoła Zawodowa w Nysie.

cleta
Download Presentation

Instytut Zarządzania

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. ZIP Zarządzanie i Inżynieria Produkcji Instytut Zarządzania Przygotował dr inż. Łukasz MACH Nysa, styczeń 2006 Instytut Zarządzania – Państwowa Wyższa Szkoła Zawodowa

  2. ZIP Zarządzanie i Inżynieria Produkcji Instytut Zarządzania – Państwowa Wyższa Szkoła Zawodowa w Nysie • TEMAT PREZENTACJI: • Zastosowanie metod sztucznej inteligencji • wiadomości ogólne • jak działa sztuczny mózg • przykłady zastosowań • * gry na serio • * rozpoznawanie np. tekstu, cyfr, zdjęć, budynków itp. • * komputerowy doradca - rozpoznawanie grzybów • właściwości sieci neuronowych • informacje o autorze

  3. ZIP ?? SZTUCZNA INTELIGENCJA ??

  4. ZIP SZTUCZNA INTELIGENCJA

  5. ZIP SZTUCZNAINTELIGENCJA kierunek badań naukowych zmierzających do budowania komputerowych systemów zdolnych do wykonywania funkcji wiązanych zwykle z ludzkim myśleniem i inteligentnym zachowaniem

  6. Źródło: http://nrn.prv.pl/ BUDOWA NEURONUBIOLOGICZNEGO Jądro - "centrum obliczeniowe" neuronu. To tutaj zachodzą procesy kluczowe dla funkcjonowania neuronu Akson - "wyjście" neuronu. Za jego pośrednictwem neuron powiadamia świat zewnętrzny o swojej reakcji na dane wejściowe. Neuron ma tylko jeden akson Wzgórek aksonu - stąd wysyłany jest sygnał wyjściowy, który wędruje dalej poprzez akson Dendryt - "wejście" neuronu. Tędy trafiają do jądra sygnały mające być w nim później poddane obróbce. Dendrytów może być wiele - biologiczne neurony mają ich tysiące Synapsa - jeśli dendryt jest wejściem neuronu, to synapsa jest jego furtką Może ona zmienić moc sygnału napływającego poprzez dendryt

  7. Źródło: http://nrn.prv.pl/ BUDOWA SZTUCZNEGO NEURONU Wejścia to dendryty, lub ściślej: sygnały przez nie nadchodzące Wagi to cyfrowe odpowiedniki modyfikacji dokonywanych na sygnałach przez synapsy Blok sumujący to odpowiednik jądra Blok aktywacji to wzgórek aksonu Wyjście - to akson

  8. ZIP Zarządzanie i Inżynieria Produkcji Instytut Zarządzania – Państwowa Wyższa Szkoła Zawodowa w Nysie Przykłady zastosowań sieci neuronowych

  9. ZIP Przykłady zastosowań GRY NA SERIO wykorzystanie „Quake’a” oraz „Half-Life” do rozwijania systemów imitujących zachowanie człowieka • przeciwnik uczący się nowych zachowań (mechanizmy reakcji na działania gracza) • rośnie atrakcyjność gry Badania skoncentrowane na tworzeniu przeciwników mających te same mocne strony i słabości, co gracze-ludzie By wygrać z naszymi postaciami, nie wystarczy szybko i celnie strzelać, trzeba w równym stopniu je przechytrzyć Ukończenie tak skomplikowanej i wielowątkowej gry zajmuje wiele czasu Źródło: Czapelski M., Gry na serio, PC World Komputer, luty 2004

  10. ZIP Przykłady zastosowań Rozpoznawanie Najlepsze obecnie klasyfikatory rozpoznają poprawnie ponad 99% przykładów • rozpoznawanie twarzy (np. policja, lotniska) • rozpoznawanie terenu (np. plany miast, budynki) • odróżnianie łodzi podwodnej od skał • rozpoznawanie mowy • rozpoznawanie tekstu, cyfr • rozpoznawanie choroby serca na podstawie elektrokardiogramów

  11. ZIP 1 2 3 Przykłady zastosowań Rozpoznawanie twarzy Sieci neuronowej podczas uczenia pokazuje się wiele przykładów uczonej twarzy (np. zdjęcie 1, zdjęcie 2), dzięki którym wyucza się cech charakterystycznych, aby rozpoznać twarz. Etapem następnym jest przeprowadzenie, procesu testowania, w którym z pośród wielu pokazanych obrazów sieć rozpozna tą wyuczoną (np. zdjęcie 3)

  12. ZIP Ćwiczenie Na kolejnym slajdzie zostaną pokazane 4 rysunki Każdy z nich posiada wspólny przedmiot. Odgadnij jaki to wyraz ?? Sieć neuronowa, to zadanie klasyfikacji rozwiązuje bardzo szybko !!! a TY ??

  13. ZIP Źródło: http://www.mimuw.edu.pl/~zbyszek/AI/ai.html Jaki to wyraz ??

  14. ZIP Źródło: http://www.mimuw.edu.pl/~zbyszek/AI/ai.html Odp. MŁOTEK

  15. Przykłady zastosowań komputerowy doradca klasyfikacja grzybów Źródło: pakiet sztucznej inteligencji -program Sphinx

  16. Przykłady zastosowań komputerowy doradca klasyfikacja grzybów Źródło: pakiet sztucznej inteligencji -program Sphinx

  17. Przykłady zastosowań komputerowy doradca klasyfikacja grzybów Źródło: pakiet sztucznej inteligencji -program Sphinx

  18. Przykłady zastosowań komputerowy doradca klasyfikacja grzybów Źródło: pakiet sztucznej inteligencji -program Sphinx

  19. Przykłady zastosowań komputerowy doradca klasyfikacja grzybów Źródło: pakiet sztucznej inteligencji -program Sphinx

  20. Przykłady zastosowań komputerowy doradca klasyfikacja grzybów Źródło: pakiet sztucznej inteligencji -program Sphinx

  21. Przykłady zastosowań komputerowy doradca klasyfikacja grzybów Źródło: pakiet sztucznej inteligencji -program Sphinx

  22. Przykłady zastosowań komputerowy doradca klasyfikacja grzybów Źródło: pakiet sztucznej inteligencji -program Sphinx

  23. Zastosowanie SSN • Klasyfikacja - szacowanie plonów na podstawie zdjęć satelitarnych - do odróżniania łodzi podwodnej od skały na podstawie odbicia sonarowego - do rozpoznawania choroby serca na podstawie elektrokardiogramów • Redukcja zakłóceń - rozpoznawanie pewnej liczby obiektów wzorcowych - poprawianie obrazów • Predykcja - prognoza trwałości urządzeń - prognozowanie ceny akcji - prognozowanie wielkości sprzedaży

  24. Właściwości SSN • Zdolność przetwarzania niekompletnych danych • Możliwość uzyskiwania rezultatów przybliżonych • Szybkie i efektywne przetwarzanie dużej ilości danych • Przetwarzanie równoległe rozproszone • Przetwarzanie informacji rozmytych • Duża tolerancja na błędy i uszkodzenia • Aproksymacja charakterystyk nieliniowych (zjawisk socjo-społecznych) • Zdolność do odkrywania w zbiorze danych wzorców, które są niejasne niewykrwanle przez tradycyjne metody statystyczne • Umiejętność pracy na danych chaotycznych

  25. Instytut Zarządzania • dr inż. Łukasz MACH • Wykładowca w PWSZ w Nysie • Specjalność naukowa: • prognozowanie sprzedaży z zastosowaniem metod klasycznych oraz sztucznej • inteligencji • parametryzacja determinantów rynku dla potrzeb prognozowania • organizacja procesów logistycznych w przedsiębiorstwie • Kontakt: lukasz_mach@pwsz.nysa.pl

More Related