Repozytorium zawiera programy powstałe w ramach przedmiotu Systemy Sztucznej Inteligencji realizowanego na IV semestrze nauki Informatyki na Politechnice Śląskiej.
- przygotowanie danych pod naukę sieci neuronowej: pobranie, znormalizowanie i przetasowanie bazy irysów zapisanej w pliku tekstowym,
- zmiana grafiki kolorowej w czarno-białą,
- zastosowanie w grafice wyostrzającego filtru "Mean Removal".
- przykład działania zbiorów miękkich: przewidywanie decyzji dotyczącej zakupu produktu na podstawie oczekiwanych cech produktu (zliczanie ilości wystąpień cech i wybranie tego produktu, który ma najwięcej z nich).
- zaznaczanie najjaśniejszych punktów obrazu,
- stosowanie filtrów w grafice - cd.
- przykład działania klasyfikatora Bayesa: przewidywanie decyzji dotyczącej pójścia na spacer na podstawie zestawu innych, przykładowych danych pogodowych z decyzjami (wyliczanie prawdopodobieństwa).
- przykład działania klasteryzacji: pobranie bazy irysów i danych wejściowych użytkownika w celu zaklasyfikowania gatunku wprowadzonego irysa (wybierana jest klasa najbliższa dla wyliczonej pozycji wprowadzonego obiektu).
- przykład działania systemów rozmytych: ustalanie jakości życia w miastach na podstawie zadanych wartości nasłonecznienia i zanieczyszczenia powietrza (wykorzystanie funkcji przynależności, norm oraz własnych reguł).
- stworzenie klas reprezentujących elementy sieci neuronowej: neuron, synapsę, warstwę oraz sieć,
- przykład działania sztucznej sieci neuronowej: budowa i uczenie sieci neuronowej metodą propagacji wstecznej z bipolarną liniową funkcją aktywacji w celu rozpoznawania gatunków irysów.