Projekt nr 1: Wnioskowanie w systemach ekspertowych
Celem zajęć jest zapoznanie się z jednym z podstawowych zagadnień sztucznej inteligencji jakim jest wnioskowanie w systemach z tzw. dziedzinową bazą wiedzy. Studenci na podstawie znajomości wykładu http://zsi.tech.us.edu.pl/~nowak/asi/w1.pdf oraz prezentacji przedstawianych na wykładzie dotyczących system PC-Shell:
http://zsi.tech.us.edu.pl/~nowak/zaocznese/tworzenieBW.pdf
http://zsi.tech.us.edu.pl/~nowak/zaocznese/w2a.pdf
przygotowują projekt własnej dziedzinowej bazy wiedzy z dowolnej dziedziny (chciałabym by była to dziedzina gier komputerowych) i dołączają sprawozdanie zawierające opis specyfiki bazy wiedzy (jej skład, rolę, co ma być atrybutem decyzyjnych w regułach i co ma być celem wnioskowania przy użyciu takiej bazy), krótką dokumentację użytkownika (z komentarzami) przedstawiającą przykładowy
scenariusz wnioskowania, oraz podsumowanie mówiące o tym jakie są zalety, wady takiego rozwiązania (tj. szkieletyowych systemów ekspertowych).
Proszę także uwzględnić literaturę, która pozwoliła przygotować sprawozdanie. Formaty plików:
docx/odt/pdf. Student dołącza także źródło swojej bazy wiedzy z PC-Shella.
Projekt nr 2: Prolog
W oparciu o prezentację z wykładu dotyczącą języka Prolog, tj.
http://zsi.tech.us.edu.pl/~nowak/psiise/Prolog.pdf
Studenci przygotowują własną bazę wiedzy dla Prologa i sprawozdanie w którym przedstawią przykłady wnioskowania (odpytywania bazy wiedzy napisanej w jez. Prolog). Sprawozdanie powinno zawierać komentarze, wstęp, podsumowanie.
Projekt nr 3: Sieci Neuronowe
Celem zajęć jest zapoznanie się z wykorzystaniem sztucznych sieci neuronowych w zagadnieniach sztucznej inteligencji.
Na podstawie znajomości tematyki poznanej na wykładzie
(http://zsi.tech.us.edu.pl/~nowak/asi/w5.pdf) oraz po zapoznaniu się z obsługą narzędzi omawianych na zajęciach (np. Stastistica) studenci przygotowują sprawozdanie z wykorzystania tej metody sztucznej inteligencji w zadaniu klasyfikacji oraz regresji.
Narzędzie Statistica studenci UŚ mogą wykorzystać do prowadzonych zajęć. Dostęp do narzędzia: http://usnet.us.edu.pl/blog/2010/09/09/nowa-wersja-programu-statistica/
Format sprawozdania: pliki pdf/doc/docx/odt plus arkusz źródłowy z użytego narzędzia.
Po zapoznaniu się z narzędziem Stastistica studenci przygotowują sprawozdanie z wykorzystania tej metody sztucznej inteligencji w zadaniu klasyfikacji oraz regresji. Format sprawozdania: pliki pdf/doc/docx/odt plus arkusz źródłowy z użytego narzędzia.
Oprogramowanie Statistica
Ze strony Uś http://usnet.us.edu.pl/uslugi-sieciowe/oprogramowanie-w-usk- usnet/oprogramowanie-statystyczne/
proszę ściągnąć sobie właściwą dla siebie wersję oprogramowania.
Po zainstalowaniu proszę przejrzeć dostępne tam pliki z danymi: proszę wybrać sobie dla potrzeb kolejnego projektu (tym razem z sieci neuronowych) 2 zbiory: jeden pozwalający na predykcję (atrybut decyzyjny to liczba którą będziemy przewidywać przy użyciu sieci neuronowej) oraz zbiór pozwalający dokonywać klasyfikacji (atrybut decyzyjny ma zbiór dopuszczalnych klas (etykiet).
Projekt z sieci neuronowych - wytyczne:
1. Problem regresyjny: samodzielne tworzenie modelu SN, opis uczenia sieci (jaki typ sieci, jakie funkcje błędu, funkcje aktywacji, liczba sieci, liczby neuronów w warstwach), ocena modelu (predykcja + wykresy), wnioski.
2. Problem klasyfikacyjny: samodzielna budowa modelu sieci, opis procesu uczenia sieci (j.w.), macierz pomyłek z interpretacją, wagi, statystyki, wykresy (krzywe ROC).
Proszę by w ramach projektu porównać kilka możliwych modeli sieci i dla każdego zrobić eksperyment pozwalający sprawdzić czy zwiększenie liczby neuronów warstwy ukrytej oraz zwiększenie liczby epok pozwoli poprawić jakość klasyfikacji.
Na koniec proszę ująć wnioski.
Proszę wybrać swoje zbiory danych (nie muszą być te dostępne w Statistica, możecie Państwo wybrać dowolne inne zbiory).
Pomocne materiały:
http://zsi.tech.us.edu.pl/~nowak/asiZ/labNN1.pdf http://zsi.tech.us.edu.pl/~nowak/asiZ/sn_spr.pdf
