Předmět Neuronové sítě (PV021)
Na serveru studentino.cz naleznete nejrůznější studijní materiály: zápisky z přednášek nebo cvičení, vzorové testy, seminární práce, domácí úkoly a další z předmětu PV021 - Neuronové sítě, Fakulta informatiky, Masarykova univerzita (MU).
Top 10 materiálů tohoto předmětu
Materiály tohoto předmětu
| Materiál | Typ | Datum | Počet stažení |
|---|
Další informace
Cíl
Student se bude po absolvování předmětu schopen samostatně orientovat v problematice neuronových sítí a souvisejících oblastí strojového učení.Bude schopen samostatně nastudovat a vysvětlit problémy oblasti neuronových sítí.Bude schopen prakticky samostatně i týmově řešit problémy pomocí výsledků z oblasti neuronových sítí.Bude schopen kriticky interpretovat cizí řešení založená na neuronových sítích.
Osnova
Základy strojového učení a rozpoznávání vzorů: klasifikace a regrese; shluková analýza; učení s učitelem a bez učitele; příkladyPerceptron: biologická motivace; geometrická reprezentace; perceptronové učicí pravidlo; konvergenceLineární modely: nejmenší čtverce (pseudoinverze, gradientní sestup, Widrow-Hoff pravidlo); souvislost s Bayesovským klasifikátorem; souvislost s metodou maximální věrohodnosti; regularizace; dekompozice bias/varianceVícevrstvé neuronové sítě: nejmenší čtverce; gradientní sestup; zpětná propagacePraktické otázky: příprava dat; techniky pro efektivní minimalizaci chyby sítě; bias vs variance; přeučení; výběr příznaků (feature selection); aplikaceRekurentní sítě: vyjadřovací a výpočetní síla různých typů neuronových sítíHopfieldova síť: Hebbovo učení; energie; kapacitaHluboké učení: omezený Boltzmannův stroj (náhodný výběr, učení založené na maximální věrohodnosti, metoda kontrastivní divergence); učení hlubokých neuronových sítíShluková analýza: odhad hustoty; metoda k středů; Kohonenovy mapy; LVQRedukce dimenze dat: analýza hlavních komponent; analýza nezávislých komponent; souvislost s neuronovými sítěmiKernelové metody: zobecněné lineární modely; sítě s radiálními bázovými funkcemi; metoda podpůrných vektorů; kernelový trik; kernelová metoda k středů; kernelová analýza hlavních komponentProjekt: Softwarová implementace konkrétních modelů a jejich jednoduchá aplikace.
Literatura
ŠÍMA, Jiří a Roman NERUDA. Teoretické otázky neuronových sítí. Vyd. 1. Praha: Matfyzpress, 1996. 390 s. ISBN 80-85863-18-9. infoHAYKIN, Simon S. Neural networks and learning machines. 3rd ed. Upper Saddle River: Pearson, 2009. 934 s. ISBN 9780131293762. infoKOHONEN, Teuvo. Self-Organizing Maps. Berlin: Springer-Verlag, 1995. 392 s. Springer Series in Information Sciences 30. ISBN 3-540-58600-8. info
Požadavky
Doporučeno: znalosti v rozsahu kursů MB102 a MB103.
Garant
prof. RNDr. Mojmír Křetínský, CSc.
Vyučující
doc. RNDr. Tomáš Brázdil, Ph.D.Jiří Vahala