|
Lecturer(s)
|
-
Sahgal Divya
-
Viktorin Adam, Ing. Ph.D.
-
Komínková Oplatková Zuzana, prof. Ing. Ph.D.
-
Mirshahi Sina, MSc.
|
|
Course content
|
- Introduction into neural networks, examples of usage, history of neural nets. - Dividing of neural nets, basic terminology - Training set - preparation - Transfer function, general scheme of neuron - Linear and nonlinear separation of classes, 13. Hilbert's problem, Kolmogorov's theorem - Feedforward nets, Perceptron and its training - Net with algorithm Backpropagation - Hopfield's a CLN net - BAM a Kohonen's net - ART net - Optimization of neural net topology - Usage of neural nets 1 - Usage of neural nets 2
|
|
Learning activities and teaching methods
|
Lecturing, Exercises on PC
- Participation in classes
- 56 hours per semester
|
| prerequisite |
|---|
| Knowledge |
|---|
| Knowledge from areas: Mathematics Fundamentals of Informatics |
| Knowledge from areas: Mathematics Fundamentals of Informatics |
| learning outcomes |
|---|
| popsat historii neuronových sítí, rozlišit různé typy sítí a vymezit jejich základní pojmy. |
| popsat historii neuronových sítí, rozlišit různé typy sítí a vymezit jejich základní pojmy. |
| analyzovat a definovat principy fungování jednotlivých typů neuronových sítí, včetně optimalizace jejich topologie. |
| analyzovat a definovat principy fungování jednotlivých typů neuronových sítí, včetně optimalizace jejich topologie. |
| vysvětlit a porovnat různé učící algoritmy a přenosové funkce používané v neuronových sítích. |
| vysvětlit a porovnat různé učící algoritmy a přenosové funkce používané v neuronových sítích. |
| rozlišit v konceptech lineární a nelineární separability tříd a definovat Kolmogorův teorém. |
| rozlišit v konceptech lineární a nelineární separability tříd a definovat Kolmogorův teorém. |
| popsat různé aplikace neuronových sítí, jako jsou klasifikace, predikce, aproximace, rozpoznávání vzorců, detekce a segmentace. |
| popsat různé aplikace neuronových sítí, jako jsou klasifikace, predikce, aproximace, rozpoznávání vzorců, detekce a segmentace. |
| orientovat se v terminologii mělkých a hlubokých neuronových sítích. |
| orientovat se v terminologii mělkých a hlubokých neuronových sítích. |
| describe the history of neural networks, distinguish different types of networks and define their basic concepts. |
| describe the history of neural networks, distinguish different types of networks and define their basic concepts. |
| analyze and define the principles of operation of individual types of neural networks, including optimization of their topology. |
| analyze and define the principles of operation of individual types of neural networks, including optimization of their topology. |
| explain and compare different learning algorithms and transfer functions used in neural networks. |
| explain and compare different learning algorithms and transfer functions used in neural networks. |
| distinguish in the concepts of linear and nonlinear separability of classes and define Kolmogorov's theorem. |
| distinguish in the concepts of linear and nonlinear separability of classes and define Kolmogorov's theorem. |
| describe various applications of neural networks such as classification, prediction, approximation, pattern recognition, detection and segmentation. |
| describe various applications of neural networks such as classification, prediction, approximation, pattern recognition, detection and segmentation. |
| orient in the terminology of shallow and deep neural networks. |
| orient in the terminology of shallow and deep neural networks. |
| Skills |
|---|
| navrhnout a optimalizovat topologii neuronové sítě pro konkrétní aplikace. |
| navrhnout a optimalizovat topologii neuronové sítě pro konkrétní aplikace. |
| navrhnout a uplatnit různé učící algoritmy pro neuronové sítě. |
| navrhnout a uplatnit různé učící algoritmy pro neuronové sítě. |
| analyzovat datové sady a použít neuronové sítě pro klasifikaci a predikci. |
| analyzovat datové sady a použít neuronové sítě pro klasifikaci a predikci. |
| aplikovat konvoluční neuronové sítě pro úlohy v počítačovém vidění, jako jsou detekce a segmentace objektů. |
| aplikovat konvoluční neuronové sítě pro úlohy v počítačovém vidění, jako jsou detekce a segmentace objektů. |
| realizovat experimenty s neuronovými sítěmi a kriticky hodnotit výsledky těchto experimentů. |
| realizovat experimenty s neuronovými sítěmi a kriticky hodnotit výsledky těchto experimentů. |
| design and optimize neural network topology for specific applications. |
| design and optimize neural network topology for specific applications. |
| design and apply various learning algorithms for neural networks. |
| design and apply various learning algorithms for neural networks. |
| analyze datasets and use neural networks for classification and prediction. |
| analyze datasets and use neural networks for classification and prediction. |
| apply convolutional neural networks to computer vision tasks such as object detection and segmentation. |
| apply convolutional neural networks to computer vision tasks such as object detection and segmentation. |
| conduct experiments with neural networks and critically evaluate the results of these experiments. |
| conduct experiments with neural networks and critically evaluate the results of these experiments. |
| teaching methods |
|---|
| Knowledge |
|---|
| Exercises on PC |
| Lecturing |
| Lecturing |
| Exercises on PC |
| assessment methods |
|---|
| Written examination |
| Written examination |
|
Recommended literature
|
-
Bose, N.K., Liang, P. Neural Network Fundamentals with Graphs, Algorithms, and Applications. New York : McGraw-Hill, 1996. ISBN 0-07-006618-3.
-
GOLDBERG, Yoav. Neural network methods for natural language processing. 2017. ISBN 978-1-68173-235-0.
-
Heaton, Jeff. Introduction to neural networks for C#. 2nd ed. St. Louis : Heaton Research, 2008. ISBN 978-1-60439-009-4.
-
Heaton, Jeff. Introduction to neural networks with Java. St. Louis : Heaton Research, 2008. ISBN 978-1-60439-008-7.
-
LAM H-K., LING S. H., NGUYEN H. T. Computational intelligence and its applications: evolutionary computation, fuzzy logic, neural network and support vector machine techniques. 2012. ISBN 978-1-84816-691-2.
-
Onwubolu, Godfrey C. New optimization techniques in engineering. Berlin : Springer, 2004. ISBN 354020167X.
-
Šnorek, M., Jiřina, M. Neuronové sítě a neuropočítače. Praha : ČVUT, 1996. ISBN 80-01-01455-X.
-
ZELINKA, Ivan. Umělá inteligence / kap. 6 Diferenciální evoluce. Praha : Academia, 2003.
-
Zelinka, Ivan. Umělá inteligence : neuronové sítě a genetické algoritmy. 1. vyd. Brno : VUTIUM, 1998. ISBN 8021411635.
-
Zelinka, Ivan. Umělá inteligence v problémech globální optimalizace. 1. vyd. Praha : BEN - technická literatura, 2002. ISBN 8073000695.
|