Upload
cleta
View
85
Download
0
Embed Size (px)
DESCRIPTION
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. - PowerPoint PPT Presentation
Citation preview
Instytut Zarządzania
Instytut Zarządzania – Państwowa Wyższa Szkoła Zawodowa
ZIPZIPZarządzanie i Inżynieria ProdukcjiZarządzanie i Inżynieria Produkcji
Przygotowałdr inż. Łukasz MACH
Nysa, styczeń 2006
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
Instytut Zarządzania – Państwowa Wyższa Szkoła Zawodowa w Nysie
ZIPZIPZarządzanie i Inżynieria ProdukcjiZarządzanie i Inżynieria Produkcji
???? SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA ????ZIPZIP
SZTUCZNA INTELIGENCJASZTUCZNA INTELIGENCJAZIPZIP
SZTUCZNASZTUCZNA INTELIGENCJA INTELIGENCJA
kierunek badań naukowych zmierzających do budowania komputerowych systemów zdolnych do wykonywania funkcji wiązanych zwykle z ludzkim
myśleniem i inteligentnym zachowaniem
ZIPZIP
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 aksonWzgórek aksonu - stąd wysyłany jest sygnał wyjściowy, który wędruje dalej poprzez aksonDendryt - "wejście" neuronu. Tędy trafiają do jądra sygnały mające być w nim później poddane obróbce. Dendrytów może być wiele - biologiczne neurony mają ich tysiąceSynapsa - jeśli dendryt jest wejściem neuronu, to synapsa jest jego furtką Może ona zmienić moc sygnału napływającego poprzez dendryt
BUDOWA NEURONUBIOLOGICZNEGO
Źródło: http://nrn.prv.pl/
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
BUDOWA SZTUCZNEGO NEURONU
Źródło: http://nrn.prv.pl/
Przykłady zastosowań Przykłady zastosowań sieci neuronowych sieci neuronowych
Instytut Zarządzania – Państwowa Wyższa Szkoła Zawodowa w Nysie
ZIPZIPZarządzanie i Inżynieria ProdukcjiZarządzanie i Inżynieria Produkcji
Przykłady zastosowań Przykłady zastosowań GRY NA SERIO GRY NA SERIO
ZIPZIP
-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
wykorzystanie „Quake’a” oraz „Half-Life” do rozwijania systemów imitujących zachowanie człowieka
ZIPZIPPrzykłady zastosowań Przykłady zastosowań RozpoznawanieRozpoznawanie
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
ZIPZIPPrzykłady zastosowań Przykłady zastosowań Rozpoznawanie twarzyRozpoznawanie 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
3
ZIPZIP
ĆwiczenieĆwiczenie
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 ??
ZIPZIP
Źródło: http://www.mimuw.edu.pl/~zbyszek/AI/ai.html
Jaki to wyraz ??Jaki to wyraz ??
ZIPZIP
Źródło: http://www.mimuw.edu.pl/~zbyszek/AI/ai.html
Odp. Odp. MŁOTEKMŁOTEK
Przykłady zastosowań Przykłady zastosowań
komputerowy doradca klasyfikacja grzybów
Źródło: pakiet sztucznej inteligencji -program Sphinx
Przykłady zastosowań Przykłady zastosowań
komputerowy doradca klasyfikacja grzybów
Źródło: pakiet sztucznej inteligencji -program Sphinx
Przykłady zastosowań Przykłady zastosowań
komputerowy doradca klasyfikacja grzybów
Źródło: pakiet sztucznej inteligencji -program Sphinx
Przykłady zastosowań Przykłady zastosowań
komputerowy doradca klasyfikacja grzybów
Źródło: pakiet sztucznej inteligencji -program Sphinx
Przykłady zastosowań Przykłady zastosowań
komputerowy doradca klasyfikacja grzybów
Źródło: pakiet sztucznej inteligencji -program Sphinx
Przykłady zastosowań Przykłady zastosowań
komputerowy doradca klasyfikacja grzybów
Źródło: pakiet sztucznej inteligencji -program Sphinx
Przykłady zastosowań Przykłady zastosowań
komputerowy doradca klasyfikacja grzybów
Źródło: pakiet sztucznej inteligencji -program Sphinx
Przykłady zastosowań Przykłady zastosowań
komputerowy doradca klasyfikacja grzybów
Źródło: pakiet sztucznej inteligencji -program Sphinx
Zastosowanie SSNZastosowanie SSN
Klasyfikacja
- szacowanie plonów na podstawie zdjęć satelitarnych- szacowanie plonów na podstawie zdjęć satelitarnych
- do odróżniania łodzi podwodnej od skały na podstawie odbicia sonarowego- do odróżniania łodzi podwodnej od skały na podstawie odbicia sonarowego
- do rozpoznawania choroby serca na podstawie elektrokardiogramów- do rozpoznawania choroby serca na podstawie elektrokardiogramów
Redukcja zakłóceń
- rozpoznawanie pewnej liczby obiektów wzorcowych- rozpoznawanie pewnej liczby obiektów wzorcowych
- poprawianie obrazów- poprawianie obrazów
Predykcja
- prognoza trwałości urządzeń- prognoza trwałości urządzeń
- prognozowanie ceny akcji- prognozowanie ceny akcji
- prognozowanie wielkości sprzedaży- prognozowanie wielkości sprzedaży
Właściwości SSNWłaściwości 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
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: [email protected]