Detail předmětu

Umělá inteligence

FEKT-MUINAk. rok: 2019/2020

Předmět je zaměřen na prohloubení znalostí a aplikaci metod z oblasti umělé inteligence. Umělá inteligence – definice, směry vývoje, neurověda, kybernetika. Zpracování optické informace prostředky umělé inteligence. Umělé neuronové sítě, paradigmata neuronových sítí, metoda učení backpropagation, Kohonenovy samoorganizační mapy, Hopfieldova síť, RCE neuronová síť. Znalostní systémy, reprezentace znalostí, řešení úloh, struktura a činnost expertních systémů. Inteligentní robot.

Jazyk výuky

čeština

Počet kreditů

5

Garant předmětu

doc. Ing. Václav Jirsík, CSc.

Zajišťuje ústav

Ústav automatizace a měřicí techniky (UAMT)

Výsledky učení předmětu

Absolvent předmětu by měl být schopen:
- vysvětlit pojem umělá inteligence z pohledu její aplikace v technických zařízení,
- vysvětlit paradigma pro umělé neuronové sítě: perceptron, vícevrstvá neuronová síť s učením backpropagation, Kohonenovy samoorganizační mapy, Hopfieldova síť, RCE neuronová síť,
- diskutovat a ověřit nastavení jednotlivých parametrů zvolené neuronové sítě,
- posoudit oblast použití jednotlivých umělých neuronových sítí,
- vysvětlit architekturu a funkčnost znalostních systémů,
- vytvořit bázi znalosti pro expertní systém NPS32,
- zvolit oblasti použití expertních systémů,
- aplikovat zpracování optické informace prostředky umělé inteligence.

Prerekvizity

Jsou požadovány znalosti na úrovni bakalářského studia a základní znalosti programování v MATLABu.

Plánované vzdělávací činnosti a výukové metody

Metody vyučování zahrnují přednášky a cvičení na počítači. Student odevzdává jeden samostatný projekt.

Způsob a kritéria hodnocení

Podmínkou udělení zápočtu je 100% účast na povinné části výuky a získání minimálně 15 bodů. Studenti jsou hodnoceni průběžně během studia ve cvičeních. Za semestr tak mohou získat max. 30 bodů. Závěrečná písemná zkouška je hodnocena max. 60ti body, ústní zkouška max. 10ti body.

Osnovy výuky

1. Organizace výuky, umělá inteligence
2. Neurověda, kybernetika
3. Umělé neuronové sítě - paradigmata, Perceptron
4. Umělé neuronové sítě – Back propagation
5.Umělé neuronové sítě - Hopfield, Kohonen, RCE
6. státní svátek 2019
7. Počítačové vidění
8. Počítačové vidění
9. Expertní systémy
10. Expertní systémy
11. Konvoluční neuronové sítě
12. Konvoluční neuronové sítě
13. Inteligentní systémy

Učební cíle

Cílem předmětu je poskytnou studentům základní orientaci v klíčových algoritmech a teorii umělé inteligence, důraz je kladen na oblasti umělých neuronových sítí, znalostních systémů a počítačového vidění.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Počítačová cvičení jsou povinná, řádně omluvené zmeškané počítačové cvičení lze po domluvě s vyučujícím nahradit.

Základní literatura

Kasabov,N.K.: Foundations of Neural Networks, Fuzzy systems and Knowledge Engineering.The MIT Press,1996,ISBN 0-262-11212-4 (ET)
Mařík V.-Štěpánková O.-Lažanský J.:Umělá inteligence 1. ACADEMIA 1993,Praha,ISBN 80-200-0496-3 (CS)
Mařík V.-Štěpánková O.-Lažanský J.:Umělá inteligence 2. ACADEMIA 1997,Praha,ISBN 80-200-0504-8 (CS)
Berka P. a kol.: Expertní systémy. Skripta, VŠE Praha, 1998. (CS)
Šíma J., Neruda R.: Teoretické otázky neuronových sítí. Matfyzpress, Praha 1996 (CS)
Sonka M., Hlavac V., Boyle R.: Image Processing, Analysis and Machine Vision. Thomson, 2008, ISBN 978-0-495-08252-1 (EN)
Russell S.-Norvig P.: Artificial Intelligence a Modern Approach. Prentice Hall 2010, ISBN 978-0-13-604259-4 (CS)

Doporučená literatura

Schalkoff,R.J.:Artificial Neural Networks. The MIT Press,1997,ISBN 0-07-115554-6 (EN)
Mařík V.-Štěpánková O.-Lažanský J.:Umělá inteligence 3. ACADEMIA 2001,Praha,ISBN 80-200-0472-6 (CS)
Mařík V.-Štěpánková O.-Lažanský J.:Umělá inteligence 4. ACADEMIA 2003,Praha,ISBN 80-200-1044-0 (EN)

Zařazení předmětu ve studijních plánech

  • Program EEKR-M1 magisterský navazující

    obor M1-TIT , 1. ročník, zimní semestr, volitelný mimooborový

  • Program IBEP-V magisterský navazující

    obor V-IBP , 1. ročník, zimní semestr, volitelný oborový

  • Program EEKR-M1 magisterský navazující

    obor M1-EEN , 2. ročník, zimní semestr, volitelný mimooborový
    obor M1-KAM , 2. ročník, zimní semestr, povinný

  • Program IBEP-V magisterský navazující

    obor V-IBP , 2. ročník, zimní semestr, volitelný oborový

  • Program EEKR-CZV celoživotní vzdělávání (není studentem)

    obor ET-CZV , 1. ročník, zimní semestr, povinný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

doc. Ing. Václav Jirsík, CSc.
Ing. Adam Ligocki, Ph.D.

Osnova

1. Organizace výuky, umělá inteligence
2. Neurověda, kybernetika
3. Umělé neuronové sítě - paradigmata, Perceptron
4. Umělé neuronové sítě – Back propagation
5.Umělé neuronové sítě - Hopfield, Kohonen, RCE
6. státní svátek 2019
7. Počítačové vidění
8. Počítačové vidění
9. Expertní systémy
10. Expertní systémy
11. Konvoluční neuronové sítě
12. Konvoluční neuronové sítě
13. Inteligentní systémy

Cvičení na počítači

26 hod., povinná

Vyučující / Lektor

Ing. Ondřej Boštík
Ing. Ilona Janáková, Ph.D.
doc. Ing. Václav Jirsík, CSc.

Osnova

1. Úvod, projekty – zadání
2. Základy Matlabu a Počítačového vidění
3. Perceptron
4. Jednovrstvá neuronová síť
5. Back propagation
6. Projekt (práce doma)
7. Umělé neuronové sítě
8. Počítačové vidění - Konvoluce
9. Expertní systémy
10. Projekt 1 – Referát
11. Projekt 1 – Referát
12. Expertní systémy
13. Expertní systémy