Detail předmětu

Umělá inteligence

FEKT-MUINAk. rok: 2018/2019

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.

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.

Doporučená nebo povinná literatura

Kasabov,N.K.: Foundations of Neural Networks, Fuzzy systems and Knowledge Engineering.The MIT Press,1996,ISBN 0-262-11212-4 (ET)
Schalkoff,R.J.:Artificial Neural Networks. The MIT Press,1997,ISBN 0-07-115554-6 (EN)
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)
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)
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)

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.

Jazyk výuky

čeština

Osnovy výuky

1. Umělá inteligence – definice, historie, oblasti
2. Neurověda - biologický informační systém, neuron, mozek, inteligence
3. Principy počítačového vidění
4. Umělé neuronové sítě - definice, paradigmata
5. Perceptron, učení
6. Vícevrstvá neuronová síť s algoritmem učení Backpropagation
7. Kohonenova samoorganizační mapa, Hopfieldova síť, RCE síť
8. Konvoluční neuronová síť
9. Umělá inteligence a praxe
10. Reprezentace znalostí, řešení úloh
11. Expertní systémy - definice, architektura, teoretické zdroje, inferenční mechanismus, tvorba báze znalostí, průběh konzultace, aplikace.
12. Inteligentní robot

Cíl

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.

Zařazení předmětu ve studijních plánech

  • Program EEKR-M1 magisterský navazující

    obor M1-TIT , 1. ročník, zimní semestr, 5 kreditů, volitelný mimooborový

  • Program IBEP-V magisterský navazující

    obor V-IBP , 1. ročník, zimní semestr, 5 kreditů, volitelný oborový

  • Program EEKR-M1 magisterský navazující

    obor M1-EEN , 2. ročník, zimní semestr, 5 kreditů, volitelný mimooborový
    obor M1-KAM , 2. ročník, zimní semestr, 5 kreditů, povinný

  • Program IBEP-V magisterský navazující

    obor V-IBP , 2. ročník, zimní semestr, 5 kreditů, volitelný oborový

  • Program EEKR-CZV celoživotní vzdělávání (není studentem)

    obor ET-CZV , 1. ročník, zimní semestr, 5 kreditů, povinný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Cvičení na poč.

26 hod., povinná

Vyučující / Lektor