Instytut Zarządzania

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


???? 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


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

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]

Instytut Zarządzania

Documents

Transcript of Instytut Zarządzania