|
Vyučující
|
-
Komínková Oplatková Zuzana, prof. Ing. Ph.D.
-
Janoštík Jakub, Ing.
|
|
Obsah předmětu
|
- Úvod do neuronových sítí, ukázky k čemu slouží, historie neuronových sítí - Dělení sítí, základní pojmy - Trénovací množina - příprava - Přenosové funkce, obecné schéma neuronu - Lineární a nelineární separabilita tříd, 13. Hilbertův problém, Kolmogorův teorém - Sítě s dopředným šířením, Perceptron a jeho učení - Síť s algoritmem Backpropagation - Hopfieldova a CLN síť - BAM a Kohonenova síť - ART síť - Optimalizace topologie sítě - Použití neuronových sítí 1 - Použití neuronových sítí 2
|
|
Studijní aktivity a metody výuky
|
Přednášení, Cvičení na počítači
- Účast na výuce
- 56 hodin za semestr
|
| Předpoklady |
|---|
| Odborné znalosti |
|---|
| Znalosti z oblastí: Matematika Základy informatiky |
| Znalosti z oblastí: Matematika Základy informatiky |
| Výsledky učení |
|---|
| 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. |
| Odborné dovednosti |
|---|
| 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. |
| Vyučovací metody |
|---|
| Odborné znalosti |
|---|
| Přednášení |
| Přednášení |
| Cvičení na počítači |
| Cvičení na počítači |
| Hodnotící metody |
|---|
| Písemná zkouška |
| Písemná zkouška |
|
Doporučená literatura
|
-
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.
|