DID611 Intelektuālās datoru tehnoloģijas

Kods DID611
Nosaukums Intelektuālās datoru tehnoloģijas
Statuss Obligātais/Obligātais izvēles
Līmenis un tips Doktora, Akadēmiskais
Tematiskā joma Datorika
Struktūrvienība Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte
Mācībspēks Inese Poļaka
Kredītpunkti 10.0 (15.0 ECTS)
Daļas 2
Anotācija Kurss ir veltīts intelektuālajām datoru tehnoloģijām un iekļauj šādas nodaļas: Ģenētiskie algoritmi simbolu informācijas apstrādes uzdevumos. Ģenētiskie algoritmi nosacītas un nenosacītas optimizācijas uzdevumos. Tēlu atpazīšana un attēlu apstrāde izplūdušā vidē. Intelektuālās sistēmas varbūtiskas izvades pamatā. Izplūdušo objektu klasteranalīze. Apmācošas sistēmas(induktīvās secināšanas sistēmas) izplūdušā un varbūtiskā vidē. Statīskie izplūduši neironi un tīkli. Intelektuālie aģenti. Hibrīdās intelektuālās tehnoloģijas..
Studiju kursa saturs
Saturs Pilna un nepilna laika klātienes studijas Nepilna laika neklātienes studijas
Kontaktstundas Patstāvīgais darbs Kontaktstundas Patstāvīgais darbs
Simbolu informācijas apstrādes mehānismi 6 0 0 0
Deduktīvās secināšanas likumi 6 0 0 0
Vienības neirons un tā apmācības metodes 6 0 0 0
Neironu tīkli ar taisnvirziena informācijas izplatīšanos 8 0 0 0
Neironu tīkli ar atgriezeniskajām saitēm 6 0 0 0
Neironu tīklu pielietošanas principi tēlu atpazīšanas uzdevumos 8 0 0 0
Ģenētiskie operatori. Operatoru izpildīšanas cikls 6 0 0 0
Ģenētiskie algoritmi. Ģenētisko algoritmu pielietošanas principi apmācošās sistēmās 8 0 0 0
Tēlu klasifikācija. Klasterizācijas uzdevums 6 0 0 0
Tēlu atpazīšanas metodes, balstītas uz perceptronu arhitektūras neironu tīklu 8 0 0 0
Tēlu atpazīšanas parametriskās metodes 8 0 0 0
Izplūdušās kopas un pamatoperācijas ar tām 6 0 0 0
Izplūdusī loģika. Izplūdušie mainīgie. Lingvistiskie mainīgie 8 0 0 0
Izplūdušie algoritmi 8 0 0 0
Izplūdušo notikumu varbūtiskie mēri 6 0 0 0
Iespējamību sadalījums un tā pamatīpašības 6 0 0 0
Lēmumu pieņemšanas metodes izplūdušā vidē 8 0 0 0
Tēlu atpazīšanas metodes izplūdušā vidē 8 0 0 0
Apmācība uz piemēru pamata 8 0 0 0
Datu klasifikācijas koks 6 0 0 0
Induktīvo algoritmu pielietojums tehnikas nozarē 8 0 0 0
Induktīvās sistēmas pazīmju koku ģenerēšanai 6 0 0 0
Likumus ģenerējošas induktīvās sistēmas 8 0 0 0
Uz lēmumu teorijas pieejas balstītie intelektuālie aģenti 8 0 0 0
Loģiski spriedošie aģenti (aģenti, kas spēj loģiski spriest), aģenti kā teorēmu pierādītāji 6 0 0 0
Intelektuālie aģenti pilnīgi aprakstāmā vidē 8 0 0 0
Hibrīdo sistēmu klases (funkcionālā aizvietošana, tehnoloģiju mijiedarbība, polimorfas hibrīdas sistēmas) 8 0 0 0
Kopā: 192 0 0 0
Mērķis un uzdevumi, izteikti
kompetencēs un prasmēs 		Sniegt padziļinātas zināšanas intelektuālo datortehnoloģiju un algoritmu izmantošanā praktiskajos uzdevumos. Balstoties uz mācību procesā iegūtajām zināšanām, doktorantam jāspēj patstāvīgi noformulēt problēmas nostādni un risināt testa un praktiskos uzdevumus
Sasniedzamie studiju
rezultāti un to vērtēšana 		Spēj definēt, interpretēt un lietot profesionālu terminoloģiju, kas saistīta ar intelektuālajām datoru tehnoloģijām - Diskusijas laikā, balstoties uz teorētiskajām zināšanām un izmantojot profesionālu terminoloģiju, ir parādītas spējas konstruktīvi diskutēt par risināmo problēmu.
Spēj risināt klasifikācijas uzdevumu, izmantojot neironu tīklu metodi - Veiksmīga laboratorijas darba izpilde par klasifikācijas uzdevuma risināšanu, izmantojot neironu tīklu metodes.
Spēj risināt autonoma robota vadīšanas uzdevumus, izmantojot daudzsoļu Markova modeļus - Veiksmīga laboratorijas darba izpilde par autonoma robota vadīšanas uzdevuma risināšanu, izmantojot daudzsoļu Markova modeļus.
Spēj risināt klasterizācijas uzdevumus, izmantojot izplūdušo kopu metodes - Veiksmīga laboratorijas darba izpilde par klasterizācijas uzdevuma risināšanu, izmantojot izplūdušo kopu metodes.
Priekšzināšanas Matemātiskā loģika. Ekspertu sistēmu darbības principi. Tēlu atpazīšanas metožu ideja. Kopu teorijas pamata koncepti. Varbūtību teorijas pamati. Mākslīgā intelekta pamati.
Studiju kursa plānojums
Daļa KP EKPS Stundas nedēļā Pārbaudījumi
Lekcijas Prakt. d. Lab. Ieskaite Eksāmens Darbs
1 5.0 7.5 2.0 1.0 2.0 *
2 5.0 7.5 2.0 1.0 2.0 *
Pieteikties uz šo kursu
[Kursa apraksts PDF formātā]