Programowanie jest nierozerwalnie związane z rozwiązywaniem rzeczywistych problemów. Stosując różne techniki, jesteśmy w stanie zamodelować skomplikowane procesy, wyszukiwać relacje między obiektami oraz przetwarzać z ogromną szybkością gromadzone dane. Jednak co zrobić, gdy nie istnieje optymalny przepis na rozwiązanie danego problemu? Gdy ograniczone zasoby nie pozwalają na sprawdzenie wszystkich możliwości, jak mieć pewność, że wyznaczone rozwiązanie jest prawidłowe? Pomocne mogą okazać się algorytmy ewolucyjne oraz sieci neuronowe.

Celem tego artykułu jest pokazanie, jak w prosty sposób zaimplementować skuteczne mechanizmy sztucznej inteligencji...

Zagadnienia poruszane w tym artykule:

• Podstawy sieci neuronowych;
• Perceptron;
• Uczenie sieci neuronowych;
• Przygotowania;
• Algorytm uczenia pod nadzorem;
• Sieci neuronowe wielopoziomowe - problem uczenia;
• Podstawy programowania genetycznego.

Artykuł pochodzi z miesięcznika "Programista" nr 57 (02/2017). Jest to wydanie z przełomu marca i kwietnia. Szczegółowy spis treści: http://programistamag.pl/programista-2-2017-57/

Autorem artykułu jest Grzegorz Grzęda, elektronik i programista. Pasjonuje się projektowaniem zintegrowanych układów elektronicznych w strukturach FPGA oraz programowaniem mikrokontrolerów. Nie wstydzi się programowania małych procesorów 8-bitowych, nie obawia się programowania układów SoC. Zwolennik otwartego oprogramowania oraz systemów unixowych. Obecnie doskonali techniki zwinnego pisania oprogramowania oraz zgłębia zagadnienia związane ze sztuczną inteligencją. Relaksuje się jazdą motocyklem.

>>FRAGMENT TEGO ARTYKUŁU DO POBRANIA<<