( Przedmioty zaawansowane obieralne )-Automatyka i robotyka-mgr.-EITI (grupa przedmiotów zdefiniowana przez Wydział Elektroniki i Technik Informacyjnych)
| |||||||||||||||
Legenda
Jeśli przedmiot jest prowadzony w danym cyklu dydaktycznym, to w odpowiedniej komórce pojawi się koszyk rejestracyjny. Ikona koszyka zależy od tego, czy możesz się rejestrować na dany przedmiot.
- nie jesteś zalogowany - aktualnie nie możesz się rejestrować - możesz się zarejestrować - możesz się wyrejestrować (lub wycofać prośbę) - złożyłeś prośbę o zarejestrowanie (i nie możesz jej już wycofać) - jesteś pomyślnie zarejestrowany (i nie możesz się wyrejestrować)
Kliknij na ikonę "i" przy koszyku, aby uzyskać dodatkowe informacje.
2018Z - rok akademicki 2018/2019 - sem. zimowy 2019L - rok akademicki 2018/2019 - sem. letni 2019Z - rok akademicki 2019/2020 - sem. zimowy 2020L - rok akademicki 2019/2020 - sem. letni 2020Z - rok akademicki 2020/2021 - sem. zimowy 2021L - rok akademicki 2020/2021 - sem. letni 2021Z - rok akademicki 2021/2022 - sem. zimowy 2022Z - rok akademicki 2022/2023 - sem. zimowy 2023L - rok akademicki 2022/2023 - sem. letni 2023Z - rok akademicki 2023/2024 - sem. zimowy 2024L - rok akademicki 2023/2024 - sem. letni (zajęcia mogą być semestralne, trymestralne lub roczne) |
Opcje | ||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
2018Z | 2019L | 2019Z | 2020L | 2020Z | 2021L | 2021Z | 2022Z | 2023L | 2023Z | 2024L | |||||
103A-CTCSN-MSA-EIASR | brak | brak | brak | brak |
Zajęcia przedmiotu
rok akademicki 2018/2019 - sem. zimowy
Grupy przedmiotu
Skrócony opis
Przedmiot obejmuje wykład, ćwiczenia i projekt. Przedstawione będą zarówno klasyczne metody analityczne, oparte o algorytmy rozpoznawania wzorców i transformaty danych sensorycznych, jak i nowoczesne techniki klasyfikacji obrazów i mowy oparte o głębokie sieci neuronowe. W treści wykładu wyróżniono trzy części: (1) uniwersalne metody rozpoznawania wzorców (np. estymatory stanu w oparciu o obserwacje; adaptacyjne transformaty danych PCA, LDA, ICA; algorytmy grupowania; klasyfikatory cech) i uczenia maszynowego (np. podstawowe sieci MLP, CNN, RNN, LSTM; strategie uczenia sieci), (2) klasyczne i neuronowe techniki segmentacji, klasyfikacji i rozpoznawania obiektów w obrazach i (3) klasyczne i neuronowe techniki rozpoznawania mowy i klasyfikacji mówcy. Podczas ćwiczeń metody wprowadzone na wykładzie są wyjaśniane na praktycznych przykładach obliczeń. W ramach projektu studenci realizują program dotyczący wybranego zagadnienia rozpoznawania obrazów lub sygnału mowy. |
|
|||||||||
103A-ARxxx-DSP-MISK | brak | brak | brak | brak | brak | brak |
Zajęcia przedmiotu
rok akademicki 2018/2019 - sem. letni
Grupy przedmiotu
Skrócony opis
Wykład jest poświęcony modelowaniu i symulacji komputerowej systemów fizycznych. Obejmuje szerokie spektrum zagadnień od budowy modeli formalnych, konstruowania modeli symulacyjnych, środowisk informatycznych do symulacji, po konkretne aplikacje. Celem wykładu jest przedstawienie różnych technik symulacji komputerowej, możliwości i obszaru zastosowań współczesnych narzędzi do symulacji, pokazanie ich różnorodności oraz przygotowanie słuchaczy do właściwego wykorzystywania, stosowania i prowadzenia eksperymentu symulacyjnego. W czasie wykładu prezentowane są liczne przykłady zastosowań symulacji komputerowej do rozwiązania zadań projektowania i zarządzania systemami oraz przykłady komercyjnych i niekomercyjnych środowisk informatycznych do symulacji. |
|
|||||||
103A-ARxxx-MSP-SZAU | brak | brak | brak | brak | brak | brak |
Zajęcia przedmiotu
rok akademicki 2018/2019 - sem. zimowy
Grupy przedmiotu
Skrócony opis
Celem przedmiotu jest zapoznanie studentów z zastosowaniami sztucznej inteligencji (podejścia określane wspólną nazwą "soft computing") w automatyce. W szczególności, zostaną omówione sztuczne sieci neuronowe oraz systemy rozmyte w problemach modelowania i sterowania. Ponadto, przedstawione zostaną algorytmy genetyczne i ich zastosowanie do projektowania układów regulacji automatycznej. |
|
|||||||