Předmět Umělá inteligence v medicíně (FEKT-AUIN)
Na serveru studentino.cz naleznete nejrůznější studijní materiály: zápisky z přednášek nebo cvičení, vzorové testy, seminární práce, domácí úkoly a další z předmětu FEKT-AUIN - Umělá inteligence v medicíně, Fakulta elektrotechniky a komunikačních technologií, Vysoké učení technické v Brně (VUT).
Top 10 materiálů tohoto předmětu
Materiály tohoto předmětu
| Materiál | Typ | Datum | Počet stažení |
|---|
Další informace
Cíl
Získání znalostí o umělých neuronových sítích, seznámení se s hierarchickými a nehierarchickými metodami shlukové analýzy. Seznámení se s teorií fuzzy množin, fuzzy relací, fuzzy logikou, fuzzy inferencí a s postupy přibližného usuzování. Dále s logikou v rozhodovacích systémech, výrokovou a predikátovou logikou.
Osnova
1. Úvod do umělé inteligence.2. Umělé neuronové sítě, neuron a jeho charakteristiky, neuron jako klasifikátor.3. Učení neuronu s binárními a reálnými vstupy a výstupy, jednovrstvý perceptron.4. Vícevrstvá dopředná síť, algoritmus zpětného šíření chyby.5. Hammingova síť, Hopfieldova síť, Kohonenova síť.6. Shluková analýza, hierarchické metody shlukové analýzy.7. Nehierarchické metody shlukové analýzy, algoritmus k-průměrů.8. Fuzzy množiny, fuzzy relace.9. Logika, fuzzy logika, fuzzy inference, přibližné usuzování.10. Příznakové metody klasifikace, dekorelace příznaků.11. Logika v rozhodovacích systémech, výroková a predikátová logika.12. Inference a prokazování tvrzení.
Literatura
Kozumplík, J., Provazník, I.: Umělá inteligence v medicíně. Elektronická skripta. ÚBMI FEKT VUT v Brně, Brno, 2007. (CS)Šnorek, M.: Neuronové sítě a neuropočítače. Skripta ČVUT, Praha, 2002 (CS)Giarratano, J.C., Riley, G.D.: Expert Systems. Principles and Programming (4th Edition). Course Technology, Thomson Learning Inc., Canada, 2005, ISBN 0-534-38447-1 (EN)Jura, P.: Základy fuzzy logiky pro řízení a modelování.VUT v Brně, nakl. VUTIUM, Brno 2003, ISBN 80-214-2261-0 (CS)Romesburg,H.,Ch.: Cluster Analysis for Researchers. Lulu Press, North Carolina, 2004 (EN)Gan G., Ma Ch., Wu J.: Data Clustering. Theory, Algorithms and Applications. ASA-SIAM Series on Statistics and Applied Probability, Philadelphia, 2007 (EN)
Požadavky
Jsou požadovány znalosti na úrovni bakalářského studia. Znalost teorie množin. V laboratorní výuce předpokládáme znalost programového prostředí Matlab.
Garant
doc. Ing. Jiří Kozumplík, CSc.
Vyučující
doc. Ing. Jiří Kozumplík, CSc.Ing. Marina Ronzhina