Předmět Umělá inteligence a neuronové sítě (KSA / UINS)

Na serveru studentino.cz naleznete nejrůznější studijní materiály: zápisky z přednášek nebo cvičení, vzorové testy, seminární práce, domácí úkoly a další z předmětu KSA / UINS - Umělá inteligence a neuronové sítě, Fakulta strojní, Technická univerzita v Liberci (TUL).

Materiál	Typ	Datum	Počet stažení

Obsah

PŘEDNÁŠKY:1. Úvod do problematiky umělé inteligence. Etapy vývoje.2. Třídy úloh, rozpoznávání, adaptace a učení, komunikace se strojem, řešení úloh, expertní systémy. Logický a funkcionální styl programování.3. Úvod k umělým neuronovým sítím. Biologické neuronové sítě a analogie s umělými neuronovými sítěmi, Hebbovské učení.4. Výkonné prvky umělé neuronové sítě-formální neuron (vstupu neuronu, synaptické váhy, práh neuronu, přenosová funkce neuronu, aktivita neuronu), spojení mezi neurony, topologie neuronových sítí, trénování umělé neuronové sítě a jeho typy.5. Perceptron a Adaline. Sítě s práhovou (nebo sigmoidní, či Heavisideovou) aktivační funkcí.6. Rosenblattova perceptronová síť, učicí algoritmus perceptronu, konvergenční teorem. ADALINE, sítě s lineární aktivační funkcí:delta pravidlo.7. Vícevrstvý perceptron - síť "back-propagation". Uspořádání sítě, zobecněné delta pravidlo, algoritmus zpětného šíření (back-propagation), trénovací a testovací množina, učení sítě.8. Nevýhody zpětného šíření, síťová paralyza, lokální minimum, zdokonalené algoritmy.9. Rekurentní sítě. Zobecnělé delta pravidlo v rekurentních sítích, Jordanova a Elmanova síť10. Hopfieldova síť, popis, Hopfieldova síť jako asociativní paměť.11. Samoorganizující se neuronové sítě. Architektura samoorganizujících se sítí, učení soutěží, shlukování, výběr vítěze, kvantování vektoru. Kohonenova síť, vybavování v Kohonenově síti.12. Aplikace umělých neuronových sítí. Zpracování řeči, aplikace neuronových sítí v úloze analýzy a rozpoznávání řeči, aplikace neuronových sítí při syntéze řeči.13. Komprese dat. Predikce pomocí neuronových sítí.14. Aplikace neuronových sítí pro zpracování obrazové informace. Samoorganizující se sítě pro kompresi obrazu, cognitron a neokognotron, obnova obrazu a segmentace obrazu.CVIČENÍ:1. Úvod, bezpečnost práce v laboratoři. Stanovení požadavků na práci v semestru.2. Opakování práce v Matlabu a Simulinku, sjednocení znalostí, doplnění požadovaných znalostí.3. Představení Neural Network Toolbox, základní funkce.4. Příprava pro návrh neuronové sítě pro zadanou situaci.5. Příklad návrhu neuronové sítě pro aproximaci funkcí.6. Příklad návrhu neuronové sítě pro aproximaci funkcí.7. Matematické příklady a úlohy s teorie grafů.8. Příklad návrhu neuronové sítě v teorii grafů.9. Zadání semestrální práce, návrh neuronové sítě v prostředí Matlab pro řešení zadaného problému.10. Práce na vlastním zadání návrhu neuronové sítě.11. Práce na vlastním zadání návrhu neuronové sítě.12. Práce na vlastním zadání návrhu neuronové sítě.13. Práce na vlastním zadání návrhu neuronové sítě.14. Prezentace semestrálních prací, hodnocení, zápočty.

Získané způsobilosti

Studenti se orientují v oblasti umělé inteligence a neuronových sítí.

Literatura

KRÖSE, B. - SMAGT, P. An introduction to Neural Networks. Amsterodam: The University of Amsterodam, 1996. anon. Neural Network Toolbox User s Guide, MATLAB v. 6.5, the MathWorks, Inc. 2001. ŠNOREK, M. Neuronové sítě a neuropčítače. Praha: ČVUT 2002. VELÍNSKÝ, T. Neuronové sítě na WW. DP KP FEL ČVUT, Praha 2000. HRISTEV, R., M. The ANN Book. GNU General Public License, ftp://ftp.funet.fi/pub/sci/neural/book. DROZDOVÁ, V. - ZÁDA, V. Umělá inteligence a expertní systémy. Liberec: TUL, 1991. BÍLA, J. Umělá inteligence a neuronové sítě v aplikacích. Praha: ČVUT, 1998. TUČKOVÁ, J. Úvod do teorie a aplikací umělých neuronových sítí. Praha: ČVUT, 2003.

Požadavky

Zápočet je udělen na základě aktivní účasti na cvičeních, která probíhají převážně v laboratoři, a zpracování výsledků jednotlivých úloh a jejich interpretace.

Garant

Ing. Radek Votrubec, Ph.D.

Vyučující

Ing. Radek Votrubec, Ph.D.Ing. Radek Votrubec, Ph.D.