Sieci neuronowe Kierunek studiów: Biofizyka
Kod programu: 03-S1BF12.2014

Nazwa modułu: Sieci neuronowe
Kod modułu: 0305-1BF-12-37
Kod programu: 03-S1BF12.2014
Semestr: semestr letni 2016/2017
Język wykładowy: polski
Forma zaliczenia: egzamin
Punkty ECTS: 2
Opis:
1.Problemy modelowania matematycznego w naukach ścisłych, podstawowe problemy i pojęcia statystyki, dane chemiczne, dane biologiczne, genomika i proteomika 2. Chemometria i chemoinformatyka 3. Podstawowe pojęcia: neuron biologiczny i obliczeniowy, wagi, węzły, funkcje aktywacji, sieci neuronów 4. Architektura sieci neuronowych: wagi, wyraz wolny, funkcje aktywacji, warstwa wejścia, warstwa ukryta i warstwa wyjściowa; graficzna reprezentacja sieci neuronowych, reguły doboru ilości warstw 5. Sieci samoorganizujące się: miary podobieństwa między wektorami, algorytmy uczenia sieci samoorganizujących się: algorytm Kohonena, uczenie konkurencyjne 6. Uczenie bez nadzoru: algorytm gazu neuronowego, odwzorowanie Sammona; 7. Zastosowania sieci Kohonena w projektowaniu leków; 8. Radialne sieci neuronowe oraz neuronowe układy rozmyte 9. Przykłady zastosowania sieci neuronowych w nauce i przemyśle, 10. Przykłady programów komputerowych realizujących algorytmy sieci neuronowych; podstaw programowania w środowisku MATLAB, programowanie algorytmów neuronowych w środowisku MATLAB (DrugDesign-Toolbox for MATLAB). Egzamin obowiązkowy
Wymagania wstępne:
Wykład unikalny. Wymaga podstawowa wiedzę z matematyki, informatyki i biologii
Literatura podstawowa:
(brak informacji)
Efekt modułowy Kody efektów kierunkowych do których odnosi się efekt modułowy [stopień realizacji: skala 1-5]
Poznaje zasady modelowania w naukach przyrodniczych [1BF_37_1]
 KBF_W08 [4/5] KBF_U09 [4/5]
Rozumie analogie pomiędzy neuronami biologicznymi a sieciami neuronowymi i ich zastosowania w modelowaniach [1BF_37_2]
 KBF_W08 [4/5] KBF_U09 [4/5]
Umie zastosować pojęcia algorytmów sieci w projektowaniu leków, ich zastosowania technologiczne [1BF_37_3]
 KBF_W08 [3/5] KBF_U09 [3/5]
Potrafi pozyskiwać informacje z literatury, baz danych; integrować pozyskane informacje i dokonywać ich interpretacji [1BF_37_4]
 KBF_W08 [3/5] KBF_U09 [3/5]
Rozumie potrzebę podnoszenia kompetencji zawodowych [1BF_37_5]
 KBF_W08 [4/5]
Typ Opis Kody efektów modułowych do których odnosi się sposób weryfikacji
zaliczenie [1BF_37_w_1]
Termin zaliczenia jest ustalany w konsultacji ze studentami trzy tygodnie przed rozpoczęciem sesji egzaminacyjnej. Zakres materiału obejmuje wszystkie zagadnienia omawiane na wykładach - ta informacja jest przekazana studentom na pierwszym wykładzie. Skala ocen: 2 – 5.
 1BF_37_1 1BF_37_2 1BF_37_3 1BF_37_4 1BF_37_5
Rodzaj prowadzonych zajęć Praca własna studenta Sposoby weryfikacji
Typ Opis (z uwzględnieniem metod dydaktycznych) Liczba godzin Opis Liczba godzin
wykład [1BF_37_fs_1]
Wprowadza się i wyjaśnia zagadnienia z zakresu sieci neuronowych. Wykład jest prowadzony z wykorzystaniem pomocy audiowizualnych
 15
praca z podręcznikiem, korzystanie z artykułów naukowych
 30 zaliczenie [1BF_37_w_1]
konwersatorium [1BF_37_fs_2]
(brak informacji)
 15
(brak informacji)
Załączniki
Opis modułu (PDF)
Informacje o sylabusach mogą ulec zmianie w trakcie trwania studiów.
Sylabusy (USOSweb)
Semestr Moduł Język wykładowy
(brak danych)