Dydaktyka / Teaching
Materiały do zajęć dydaktycznych, konspekty wykładów, zadania laboratoryjne oraz wybrane projekty studentów.
Elementy robotyki inteligentnej (Intelligent robotics)
Ćwiczenie 1 (do pracy zdalnej i w laboratorium):
[ sciagnij ]
Ćwiczenie 2 (do pracy w laboratorium):
[ sciagnij ]
Ćwiczenie 2 (do pracy zdalnej):
[ sciagnij ]
Ćwiczenie 3 (do pracy zdalnej i w laboratorium):
[ sciagnij ]
Ćwiczenie 4 (do pracy w laboratorium):
[ sciagnij ]
Ćwiczenie 4 i 5 (do pracy zdalnej):
[ sciagnij ]
Ćwiczenie 5 (do pracy w laboratorium):
[ sciagnij ]
Zagadnienia na zaliczenie:
[ sciagnij ]
Wczytywanie danych C++:
[ sciagnij ]
Literatura pomocnicza do ćwiczeń i wykładu (Books):
Piotr Kulczycki, Józef Korbicz, Janusz Kacprzyk, tytuł: Automatyka, robotyka i przetwarzanie informacji(Miękka), wyd. PWN, rok 2020 (literatura podstawowa)
Choset, H.: Principles of robot motion theory, algorithms, and implementations, MIT 2005 (literatura podstawowa)
Bekey, G.A.: Autonomous robots: from biological inspiration to implementation and control, MIT 2005 (literatura uzupełniająca)
Piotr Artiemjew: Wybrane Paradygmaty Sztucznej Inteligencji, Monografie Naukowe - Tom 10, Wydawnictwo PJWSTK, 2013 (inna polecana)
Anand Rajaraman, Jure Leskovec, Jeffrey D. Ullman: Mining of Massive Datasets, Cambridge University Press, 2013 (dostepna online) (inna polecana)
Russel, Norwig: Artificial intelligence: a modern approach, 2005 (inna polecana)
Zaawansowana robotyka inteligentna (Advanced intelligent robotics)
Ćwiczenie 1 (do pracy zdalnej i w laboratorium):
[ sciagnij ]
Ćwiczenie 2 (do pracy w laboratorium):
[ sciagnij ]
Ćwiczenie 3_v1 (do pracy w laboratorium):
[ sciagnij ]
Ćwiczenie 3_v2 (do pracy w laboratorium):
[ sciagnij ]
Ćwiczenie 4 (do pracy w laboratorium):
[ sciagnij ]
Ćwiczenie 5 (do pracy w laboratorium):
[ sciagnij ]
Literatura pomocnicza do ćwiczeń i wykładu (Books):
Probabilistic Robotics, Sebastian Thrun, Wolfram Burgard, Dieter Fox, MIT Press, 2005 (literatura podstawowa)
Introduction to Autonomous Robots: Mechanisms, Sensors, Actuators, and Algorithms, Nikolaus Correll, Bradley Hayes, Mac Schwager, MIT Press, 2022 (literatura podstawowa)
Artificial Intelligence for Robotics, Francis X. Govers, Packt Publishing, 2018, (literatura uzupełniająca)
Robotics: Modelling, Planning and Control, Bruno Siciliano, Lorenzo Sciavicco, Luigi Villani, Giuseppe Oriolo, Springer, 2009 (literatura uzupełniająca)
Programy studentów – Student Software Showcase
Aplikacje internetowe, symulatory algorytmów sztucznej inteligencji, klasyfikatory oraz projekty inżynierskie wykonane przez studentów pod kierunkiem dr. hab. Piotra Artiemjewa – używaj na własną odpowiedzialność (software developed by students – USE AT YOUR OWN RISK).
Web App
Gra Path Master (A* Simulator)
Program wykonany w ramach ćwiczeń ZRI. Aplikacja internetowa demonstrująca użycie algorytmu A* w grze, w której celem jest przejście sztucznej inteligencji przez wszystkie Złote Punkty.
Web App
Interaktywny filtr partykułowy 2D
Aplikacja internetowa demonstrująca działanie filtru partykułowego na mapie 2D. Użytkownik może interaktywnie sterować robotem, obserwując proces lokalizacji.
Web App
Symulator A* AI: Relaxing Snake (Basic)
Demonstracja algorytmu A* w konwencji gry Snake w wersji klasycznej. Wąż automatycznie wyszukuje optymalną ścieżkę do kolejnych punktów, unikając kolizji.
Web App
Symulator A* AI: Relaxing Snake (Fancy)
Rozszerzona wersja demonstratora algorytmu A* ze wzbogaconą grafiką, efektami wizualnymi i statystykami gry w czasie rzeczywistym.
C# Desktop
Benchmarking algorytmów sortowania
Aplikacja w języku C# służąca do przeprowadzania testów wydajnościowych i analizy empirycznej złożoności klasycznych algorytmów sortowania.
Java App
Szacowanie jakości klasyfikacji Bayesowskiej
Program w języku Java implementujący metody Cross Validation, Monte Carlo CV oraz Bagging w celu estymacji efektywności Naiwnego Klasyfikatora Bayesa.
Java App
Naiwny Klasyfikator Bayesa
Implementacja klasyfikatora Bayesa w Java z obsługą problemu zerowych liczności cech i możliwością wczytywania dowolnych tabel decyzyjnych.
Web App
Symulator algorytmu A* w labiryncie
Program do wyznaczania tras w labiryncie za pomocą algorytmu A* z interaktywną wizualizacją krok po kroku oraz możliwością pauzowania.
Java App
Symulacja A* w siatce (Grid Pathfinding)
Aplikacja w języku Java wyliczająca optymalną trasę od startu do celu w siatce pól kwadratowych z dynamiczną konfiguracją przeszkód i opóźnienia.
Java App
Algorytm A* w siatce kwadratów
Implementacja w Java z metryką Euklidesa, edytorem przeszkód za pomocą myszy oraz możliwością zmiany wag kosztów kierunków ruchu.
Windows App
Reduktor systemów decyzyjnych
Narzędzie do wyliczania reduktów systemów informacyjnych i decyzyjnych w oparciu o teorię macierzy rozróżnialności Skowrona-Rauszera.
.NET App
k-NN z 5 podstawowymi metrykami
Klasyfikator k najbliższych sąsiadów w .NET z pięcioma wbudowanymi metrykami: Euklidesa, Canberra, Czebyszewa, Manhattan i Pearsona.
.NET App
LEM2 Rule Induction Method
Implementacja algorytmu indukcji reguł decyzyjnych LEM2 w technologii .NET dla systemów teorii zbiorów przybliżonych.
Web App
Exhaustive Rule Induction - Symulacja
Interaktywna demonstracja internetowa wizualizująca proces liczenia pełnego (wyczerpującego) zbioru reguł decyzyjnych.
.NET App
k-NN Classifier (Euclidean)
Program klasyfikujący systemy decyzyjne algorytmem k-NN przy użyciu metryki euklidesowej i głosowania większościowego klas.
Windows Suite
DESARC (LEM2, Exhaustive & k-NN)
Zintegrowane środowisko do wyznaczania reguł metodami LEM2 i Exhaustive oraz klasyfikacji metodą k-NN.
Windows App
Operacje genetyczne - Algorytm wczesnego stopu
Symulacja mechanizmu wczesnego stopu w kontekście optymalizacji i uczenia algorytmami genetycznymi.
.NET App
Exhaustive Rule Generator
Generator pełnego zbioru reguł decyzyjnych z tabel systemów informacyjnych na platformie .NET.
.NET App
k-NN (Train & Test Brute Force Search)
Wielowątkowy klasyfikator k-NN z automatycznym wyszukiwaniem optymalnego parametru k oraz najlepszej kombinacji cech.
.NET App
k-NN (Cross Validation)
Klasyfikator k-NN z pełną implementacją metody sprawdzianu krzyżowego (Cross Validation) i optymalizacją liczby foldów.
.NET App
Hopfield-Net (Uczenie na obrazach)
Program wykorzystujący rekurencyjną sieć Hopfielda do asocjacyjnego zapamiętywania i odtwarzania matryc obrazowych.
Windows App
Aproksymator v1.0 (Rough Approximations)
Narzędzie ułatwiające wyliczanie dolnej i górnej aproksymacji zbiorów oraz obszaru pozytywnego w analizie danych zgrubnych.
Bramka NOT (Projekt i realizacja fizyczna)
Projekt sprzętowy bramki logicznej NOT wraz ze schematem i wykonaniem fizycznym w ramach laboratorium architektury komputerów.