Předmět Matemat. metody pro umělou inteligenci (KMA / TEFUM)

Na serveru studentino.cz naleznete nejrůznější studijní materiály: zápisky z přednášek nebo cvičení, vzorové testy, seminární práce, domácí úkoly a další z předmětu KMA / TEFUM - Matemat. metody pro umělou inteligenci, Přírodovědecká fakulta, Ostravská univerzita v Ostravě (OU).

Materiál	Typ	Datum	Počet stažení

Obsah

1. Soft computing a hard computing. Motivace živými systémy. Paradox hromady. Fuzzy množiny a základní pojmy (universum, konvexita, normalita, ? - řez, nosič, fuzzy číslo, fuzzy interval). Věta o reprezentaci fuzzy množin pomocí ? - řezů.2. Neuronové sítě. Motivace biologickou neuronovou sítí. Matematický model neuronu, fáze učení, fáze vybavování. Perceptron, binární hodnoty, logické funkce, problém XOR.3. Spojitý model neuronu, různé aktivační funkce, učení pomocí delta pravidla pomocí gradientové metody. Vícevrstvé sítě.4. Vícevrstvé sítě a jejich učení pomocí gradientní metody.5. Operace s fuzzy množinami. Tři hlavní algebry pro interpretaci operací. Analogie vztah teorie množin a klasické logiky se vztahem teorie fuzzy množin a fuzzy logiky. Základní t-normy.6. Fuzzy relace (unární, binární, n-ární, relace ekvivalence). Kompozice fuzzy relací, obrazy fuzzy množiny ve fuzzy relaci. Vztah relace ekvivalence a fuzzy rozkladu.7. Jazyková proměnná, jazykový výraz, fuzzy pravidla a jejich interpretace, systémy s bází fuzzy pravidel a jejich interpretace pomocí fuzzy relací. Bloková struktura systémů s bází fuzzy pravidel.8. Fuzzifikace a defuzzifikace. Inferenční metody a jejich vztah k obrazům fuzzy množin ve fuzzy relacích.9. Interpolační aspekty různých interpretací bází pravidel, fuzzy relační rovnice a jejich soustavy. Základní věty a kritéria řešitelnosti soustav.10. Příklady fuzzy pravidel v reálných systémech ekonomických a sociálních. Práce se systémy s bází fuzzy pravidel v konkrétních příkladech. Maticový výpočet.11. Aproximační aspekty fuzzy systémů. Vlastnost univerzální aproximace. Věty o univerzální aproximaci.12. Identifikace bází pravidel. Expertní přístup. Přístup automatické identifikace z dat. Kombinace obou přístupů. Metodologie konstrukce bází a systémů s bází fuzzy pravidel.13. Particle Swarm Optimization - inteligence hejn jako optimalizační nástroj

Získané způsobilosti

zná základní rozdíly mezi hard computingovým a soft computingovým přístupemzná základní pojmy z oblasti neuronových sítírozvíjí schopnost algoritmizace funkce základních neuronových síti včetně procesu učenízískává schopnost studia a orientace v odpovídající odborné literatuře o neuronových sítíchzná základní pojmy z oblasti fuzzy množin a fuzzy modelovánírozvíjí schopnost aplikace základních přístupu k modelování autmoatickho řízení a automatického rozhodování za neurčitostizískává schopnost studia a orientace v odpovídající odborné literatuře o fuzzy modelováníznalost základních myšlenek a motivací pro oblast optimalizace pomocí particle swarm optimizationkompetence - komunikativní, studijní

Literatura

M. Navara, P. Olšák. Základy fuzzy množin. ČVUT, Praha, 2001. V. Novák. Základy fuzzy modelování. BEN, 2002. H.T.Nguyen, E.A.Walker. A first course in fuzzy logic. CRC Press, New York, 1996. H.T.Nguyen, N.R.Prasad. (Ed.) Fuzzy modeling and control. CRC Press, New York, 1999. G.J.Klir, B. Juan. Fuzzy Sets and Fuzzy Logic: Theory and Applications. Prentice Hall, 1995. Novák, V., Perfilieva, I., Močkoř, J. Mathematical Principles of Fuzzy Logic. Kluwer, Boston, 1999. J. Šíma, R. Neruda. Teoretické otázky neuronových sítí. MATFYZPRESS, MFF UK Praha, 1997. V. Mařík, O. Štěpánková, J. Lažanský. Uměla inteligence 4. Academia, Praha. Novák,V. Úvod do teorie a aplikace fuzzy množin. SNTL, Praha.

Požadavky

Úspěšné absolvování kombinované zkoušky. 40 bodů lze získat v průběhu semestru za jeden písemný test, 60 bodů lze získat za písemnou část zkoušky s ústním doplněním či upřesněním písemné části. Hodnocení probíhá v souladu s ustanoveními článku 31 až 33 Studijního a zkušebního řádu OU.

Garant

doc. Martin Štěpnička, Ph.D.

Vyučující

doc. Martin Štěpnička, Ph.D.doc. Martin Štěpnička, Ph.D.