Włodzisław Duch Katedra Informatyki Stosowanej,

Slides:



Advertisements
Podobne prezentacje
Salon maturzystów 27/09/2007 UMK Toruń
Advertisements

Sieć jednokierunkowa wielowarstwowa
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
Inteligencja Obliczeniowa Sieci dynamiczne cd.
Inteligencja Obliczeniowa Indukcja reguł - modele.
Inteligencja Obliczeniowa Sieci RBF.
Inteligencja Obliczeniowa Otwieranie czarnej skrzynki.
Katedra Informatyki Stosowanej UMK
Uczenie konkurencyjne.
Samoorganizacja: uczenie bez nadzoru.
Inteligencja Obliczeniowa Sieci dynamiczne.
Inteligencja Obliczeniowa Perceptrony o dużym marginesie błędu
Inteligencja Obliczeniowa Sieci o zmiennej strukturze.
Inteligencja Obliczeniowa Perceptrony
Sztuczna Inteligencja Reprezentacja wiedzy II
Projekt AS KOMPETENCJI jest współfinansowany przez Unię Europejską w ramach środków Europejskiego Funduszu Społecznego Projekt realizowany przez Uniwersytet.
Tematyka prac magisterskich w Zakładzie Informatyki Stosowanej
Specjalność: Metody i systemy wspomagania decyzji II
Specjalność Analiza danych 2009 Katedra Statystyki Instytut Zastosowań Matematyki.
Specjalność Analiza danych 2010 na kierunku IiE Katedra Statystyki Instytut Zastosowań Matematyki.
Wykład 15 Neuropsychologia komputerowa
Wykład 1 Neuropsychologia komputerowa
Sztuczna Inteligencja Reprezentacja wiedzy II Systemy produkcyjne Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: W. Duch.
Sztuczna Inteligencja Reprezentacja wiedzy I Wstęp. Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: W. Duch.
Mózg i umysł Mózg jest substratem, umożliwiającym powstanie umysłu.
Zastosowania kognitywistyki
Inteligencja Obliczeniowa Klasteryzacja i uczenie bez nadzoru.
Metody Sztucznej Inteligencji w Sterowaniu 2009/2010Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz,
mgr Magdalena Katarzyna Godlewska Katedra Inżynierii Wiedzy, WETI PG
mgr inż. Rafał Komański styczeń 2004
Zastosowanie technologii CUDA w sztucznej inteligencji
Spis treści Możliwości biblioteki logiczno-fizycznej
„Implementacja modułu tworzenia siatki do komponentowej biblioteki Metody Elementów Skończonych w języku C++” Autor: Piotr Opiekun Wydział Inżynierii Metali.
Opiekuńcze instynkty w mózgu opis wykładu Rafał Ohme 2012
Multiagent Simulator Ogólny symulator multiagentowy do modelowania zachowań tłumu Piotr Jakubas Artur Kosztyła Koło Naukowe „Glider” Kraków,
ZIS Tematyka prac magisterskich w Zakładzie Informatyki Stosowanej.
Universalne Modele Uczenia - Cwiczenia
Przygotowanie dziecka do szkoły
Modelowanie i identyfikacja 2010/2011Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz, Katedra.
Uniwersytet Mikołaja Kopernika Wydział Fizyki, Astronomii i Informatyki Stosowanej Podyplomowe Studium Programowania i Zastosowań Komputerów Katalog WWW.
Biologiczne podłoże przetwarzania informacji.
Czy myślenie jest pracą? Wysiłek fizyczny i umysłowy
FIZYKA FIZYKA TECHNICZNA:
Relacje psychofizyczne, mind – body problem
(poza biologiczne ograniczenia) fantazja czy rzeczywistość ?
1. Współczesne generacje technologii
Jak uczy się mózg? Twój mózg to najsprawniejszy komputer, ale musisz znać instrukcję obsługi, żeby umiejętnie z niego korzystać. Rozprawić się z.
Akademia Górniczo-Hutnicza w Krakowie
Marcin Miłkowski. O czym będzie mowa  Czym są modele w kognitywistyce?  Pluralizm eksplanacyjny: interdyscyplinarność kognitywistyki  Przykład otwartych.
Modelowanie Kognitywne
Wizualizacja Wikipedii Julian Szymański Julian Szymański Wydział Elektroniki Telekomunikacji i Informatyki Politechniki Gdańskiej Włodzisław Duch Katedra.
Edukacja po CEOwsku mgr Bożena Sozańska.
Wybrane zagadnienia inteligencji obliczeniowej Zakład Układów i Systemów Nieliniowych I-12 oraz Katedra Mikroelektroniki i Technik Informatycznych proponują.
SZTUCZNA INTELIGENCJA
Podstawy automatyki I Wykład 1b /2016
© Kazimierz Duzinkiewicz, dr hab. inż. Katedra Inżynierii Systemów Sterowania Modelowanie i podstawy identyfikacji 2015/2016 Modele neuronowe – podstawy,
Funkcja i jej zaburzenia Maciej Kopera
Inżynier budowy systemów komputerowych nadzoruje, projektuje i konstruuje systemy oraz wdraża oprogramowanie systemowe w różnych dziedzinach gospodarki.
Metody Inteligencji Obliczeniowej Adrian Horzyk Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii.
Inteligencja Obliczeniowa Perceptrony o dużym marginesie błędu
„Jeżeli nie znasz portu, do którego płyniesz i wiatry nie będą Ci sprzyjać”. Seneka.
Zmiany w programie kierunku Kognitywistyka
Sztuczne Sieci Neuronowe
Perceptrony o dużym marginesie błędu
Zawody nauczane we wrocławskich uczelniach
Włodzisław Duch Katedra Informatyki Stosowanej,
Perceptrony o dużym marginesie błędu
Sztuczna Inteligencja Modele umysłu
Inteligencja Obliczeniowa Perceptrony
Zapis prezentacji:

Obliczeniowe neuronauki poznawcze: jak modelować funkcje mózgu i co to nam pozwoli zrozumieć? Włodzisław Duch Katedra Informatyki Stosowanej, Uniwersytet Mikołaja Kopernika, Toruń Google: W. Duch UJ, Kraków 8/9.05.2009 (c) 1999. Tralvex Yeap. All Rights Reserved

Plan O czym mogę mówić ... Jak działa mózg – podejście modelowe, ogólny wstęp. Jak modelować neurony? Małe sieci? Duże sieci? Jak uczyć sieci neuronowe modelować środowisko i wykonywać zadania. Emergent – przykład architektury BICA, jak działa, co się da, jak się może dalej rozwinąć? Modele funkcji mózgu: percepcja wzrokowa, uwaga, modele pamięci, język, wyższe czynności poznawcze, podejmowanie decyzji, kategoryzacja. Co warto w tej dziedzinie robić? (c) 1999. Tralvex Yeap. All Rights Reserved

Co warto ... Bardzo subiektywne rekomendacje: Symulacje efektów torowania: "semantic priming" to podstawa tysięcy eksperymentów => psychologia komputerowa. Psychiatria generatywna, od genów do sieci i do zachowania. Budować w miarę poprawne modele i upraszczać, tworząc praktyczne algorytmy => informatyka neurokognitywna, język, metody uczenia maszynowego. Transformacje "mózg-umysł", fizyka umysłu, zastosowania w BCI, modele na poziomie przestrzeni psychologicznych. Globalna analiza trajektorii w układach dynamicznych/sieciach. Modele pnia mózgu, homeostazy, generatora rytmów oddechowych, regulacji przez układ siatkowaty, innych funkcji. Modele stanów świadomości, modele kreatywności. (c) 1999. Tralvex Yeap. All Rights Reserved