Detail předmětu

Neuronové sítě

FSI-VNEAk. rok: 1999/2000

Předmět neuronové sítě je zaměřen na neuronové zpracování vstupní
informace inspirované neuronovým modelem lidského mozku. Obsahuje
popis základních typů neuronových topologií a postupu učení. Podrobněji
jsou popisovány : adaptibní perceptron, Back-propagaton, samo se
organizující sítě (Kohonen), rekuretní sítě (hopfield, Boltzman). Jsou
uvedeny aplikace NS v oblasti analýzy signálu, diagnostiky , modelování
predikce časových řad, navigace robotů, adaptivní regulátory, analýza
řeči, harwarová realizace NS.

Jazyk výuky

čeština

Počet kreditů

5

Garant předmětu

prof. Ing. Pavel Ošmera, CSc.

Zajišťuje ústav

Ústav automatizace a informatiky (ÚAI)

Výsledky učení předmětu

Přehled existujících neuronových sítí a jejich použití. Praktické zvládnutí
navrhu topologie a fáze učení základních NS na dostupném softwaru NS.

Způsob a kritéria hodnocení

Aktivní účast ve cvičeních a zvládnutí zadaného modelu neuronové
sítě

Učební cíle

Cílem kurzu je seznámit se s principem a možným využitím neuronových
sítí v technických aplikacích.

Základní literatura

BISHOP CH.M.: Neural Network for Pattern Recognition, , 0
HASSOUN M.H.: Fundation of Artificial Neural Networks, , 0
Liu Ch.T.,Lee C.S.: Neural Fuzzy Systems, , 0

Doporučená literatura

Šnorek M.,Jiřina M.: Šnorek M.,Jiřina M., , 0
Šíma J.,Neruda R.: Teoretické otázky neuronových sítí, , 0

Zařazení předmětu ve studijních plánech

  • Program M2301-5 magisterský

    obor , 2. ročník, letní semestr, povinný

Typ (způsob) výuky

 

Přednáška

20 hod., nepovinná

Vyučující / Lektor

prof. Ing. Pavel Ošmera, CSc.

Osnova

1. Úvod do neuronových sítí (historie, biologické poznatky, základní
pojmy, paradigmata NS).
2. Matematický model neuronové sítě (formální neuron, neuronová síť)
3. Postavení neuronových sítí v informatice (aplikace NS,implementace
NS a neuropočítače)
4. Klasické modely NS (perceptron, víceverstvá síť).
5. NS typu Back-propagation ( popis strategie zpětného šíření)
6. Asociativní NS (Hebbův zákon, základní model, energetická funkce,
příklad aplikace)
7. Spojitá Hopfieldova síť (spojitá aktivní dynamika, optimalizace -
problém obchodního cestujícího), Boltzmanův stroj.
8. Samoorganizující se NS (Kohonenovo učení, modifikace)
9. Sítě s lokálními neurony (sítě typu RBF), ostatní typy NS jako ART,
stochastické NS atd.
10. Přehled aplikací NS (diagnostika, modelování systémů, adaptivní
regulátory, predikce, filtrace, komprese, optimalizace a pod.)

Cvičení na počítači

20 hod., povinná

Vyučující / Lektor

prof. Ing. Pavel Ošmera, CSc.

Osnova

1. Ukázky NS na PC
2. Návrh jednoduché NS typu Back-propagation
3. Ladění programu na PC
4. Učení NS na PC, prostředí MATLAB
5. Konfigurace a cvičení- Hopfieldova síť.
6. Konfigurace a cvičení Kohonenova síť
7. Cvičení RBF
8.-9. Návrh konfigurace sítě podle zadání
10. Předvedení výsledků vlastní práce na NS