Předmět Umělá inteligence (KIN / UIN)

Na serveru studentino.cz naleznete nejrůznější studijní materiály: zápisky z přednášek nebo cvičení, vzorové testy, seminární práce, domácí úkoly a další z předmětu KIN / UIN - Umělá inteligence, Ekonomická fakulta, Technická univerzita v Liberci (TUL).

Materiál	Typ	Datum	Počet stažení

Obsah

Přednášky1. Vymezení pojmu umělá inteligence, historie výzkumu, praktické aplikace.2. Reprezentace skutečností pomocí stavového prostoru, heuristika a prohledávání stavového prostoru.3. Alfa-Beta prořezávání stavového prostoru při hraní deskových her pro dva hráče.4. Predikátová logika 1. řádu.5. Složitost algoritmů.6. Bayesovy sítě.7. Rozhodovací stromy.8. Neuronové sítě: historie, reprezentace logických funkcí, lineární separabilita.9. Dvouvrstvá neuronová síť: učení s dohleden - Perceptron a Delta pravidlo.10. Vícevrstvá neuronová síť: řešení lineárně neseparabilních problémů pomocí algoritmu backpropagation.11. Vícevrstvá neuronová síť: vhodné aplikace a metodika trénování12. Hopfieldova síť a Hebbovo pravidlo pro její učení.13. Konhonenova samoorganizující se síť: učení bez dohledu.14. Genetické algoritmy.Cvičení1. Reprezentace konkrétních úloh pomocí stavového prostoru.2. Řešení konkrétní úlohy pomocí jazyka Prolog.3. Zápis predikátů.4. Reprezentace konkrétní problematiky Bayesovou sítí.5. Reprezentace konkrétní problematiky Rozhodovacím stromem.6. Algoritmus Dynamic Time Warping.7. Klasifikace vektorů pomocí Perceptronu a Delta pravidla.8. Klasifikace ekonomických subjektů pomocí vícevrstvé neuronové sítě.9. Predikce pomocí vícevrstvé neuronové sítě.10. Využití Hopfieldovy sítě pro obnovu poškozených vzorů.11. Využití Hopfieldovy a Hebbovy sítě pro zjištění závislotí v datech.12. Využití Kohonenovy sítě pro nelineární analýzu hlavních komponent a řešení problému obchodního cestujícího.13. Testování genetického algoritmu.14. Test.

Získané způsobilosti

Studenti získají znalosti v daném předmětu v souladu s cílem a obsahem.

Literatura

JONES, M. T. Artificial Intelligence : A Systems Approach. Sudbury : Jones and Bartlett Publishers, 2008. ISBN 978-0-7637-7337-3.BISHOP, Christopher M. Pattern Recognition and Machine Learning. New York: Springer, 2006. ISBN 978-0387-31073-2.Vladimír MAŘÍK, Olga ŠTEPÁNKOVÁ, Jiří LAŽANSKÝ a kolektiv. Umělá inteligence I. - V.díl. Academia Praha, 2007. ISBN 80-200-0502-1.MILLINGTON, Ian. Artificial Intelligence for Games. Elsevier, Inc., Amsterdam, 2006. ISBN 978-0-12-497782-2.HEATON, Jeff. Artificial Intelligence for Humans, Volume 1: Fundamental Algorithms. Heaton Research, Inc., 2013. ISBN 978-1493682225.HEATON, Jeff. Artificial Intelligence for Humans, Volume 2: Nature-Inspired Algorithms. Heaton Research, Inc., 2014. ISBN 978-1499720570.KRUSE, R., BORGELT, C., KLAWONN, F., MOEWES, C., STEINBRECHER, M., HELD, P. Computational Intelligence: A Methodological Introduction. Springer-Verlag London, 2013. ISBN 978-1-4471-5012-1.MUNAKATA, Toshinori. Fundamentals of the New Artificial Intelligence Neural, Evolutionary, Fuzzy and More. Springer-Verlag London Limited, 2008. ISBN 978-1-84628-838-8.MARSLAND, Stephen. Machine Learning: An Algorithmic Perspective. Chapman & Hall/Crc Machine Learning & Pattern Recognition, 2014. ISBN 978-1466583283.HAYKIN, Simon O. Neural Networks and Learning Machines. Prentice Hall, 2009. ISBN 978-0131471399.

Požadavky

Aktivní účast na cvičeních.Úspěšné napsání testu teoretických znalostí.Samostatné vypracování a obhajoba programu v libovolném programovacím jazyce řešícího nějaký praktický problém metodami umělé inteligence.

Garant

Ing. Dana Nejedlová, Ph.D.

Vyučující

Ing. Dana Nejedlová, Ph.D.Ing. Dana Nejedlová, Ph.D.