M'AI: Dynamika kolektywna 1000-1M22MDK
Wykład ma na celu zapoznanie uczestników z podstawowymi modelami pochodzącymi z dynamiki kolektywnej oraz z metodami ich symulacji komputerowych. Szczególny nacisk jest położony na wyprowadzanie modeli za pomocą optymalizacji numerycznej opartej na uczeniu maszynowym. Innymi słowy, mając zadaną ogólną tendencję zachowania grupy agentów, szukamy lokalnej zasady oddziaływania między nimi, prowadzącej do zachowań zgodnych z zadaną tendencją. Dodatkowo do wykładu prowadzone będą ćwiczenia z podstaw Pythona ukierunkowane na uczenie maszynowe. Część wykładu będzie przebiegać w formie warsztatów.
Część I: Modele dynamiki kolektywnej.
Co to jest dynamika kolektywna. Przykłady modeli (stada ptaków, ławice ryb, autonomiczne drony). Zagadnienie konsensusu liniowego; jego stabilność i asymptotyka. Narzędzie do rozwiązywania numerycznego układów równań pierwszego i drugiego rzędu.
Część II: Uczenie maszynowe, a dynamika kolektywna.
Wprowadzenie do uczenia maszynowego. Uczenie maszynowe a metoda gradientu prostego. Wyprowadzanie oddziaływań w dynamice kolektywnej w oparciu o uczenie maszynowe.
Ze względu na otwarty charakter poruszanych problemów w naturalny sposób znajdziemy tu zagadnienia mogące być podstawą licencjatu czy pracy magisterskiej.
Zapraszamy wszystkich zainteresowanych na poziomie licencjackim, magisterskim i doktoranckim.
Rodzaj przedmiotu
Założenia (lista przedmiotów)
Założenia (opisowo)
Kryteria oceniania
Projekt zaliczeniowy oraz aktywność na zajęciach. W rzadkich przypadkach może być dodatkowo egzamin ustny umożliwiający poprawę oceny.
Literatura
Literatura:
* ''Active Particles'' vol. I, vol II Bellomo, Degond, Tadmor
* ''Reinforcement Learning'' Sutton, Barto
* ''Deep Learning'' Bengio, Courville , Goodfellow
Więcej informacji
Więcej informacji o poziomie przedmiotu, roku studiów (i/lub semestrze) w którym się odbywa, o rodzaju i liczbie godzin zajęć - szukaj w planach studiów odpowiednich programów. Ten przedmiot jest związany z programami:
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: