čeština

6

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.

Jsou požadovány znalosti na úrovni bakalářského studia.

Metody vyučování zahrnují přednášky a cvičení na počítači. Student odevzdává sedm samostatných projektů.

Studenti jsou hodnoceni průběžně během studia na cvičeních. Za semestr tak mohou získat max. 30 bodů. Podmínkou udělení zápočtu je účast na povinné části výuky.
Závěrečná zkouška je hodnocena max. 70ti body, ústní zkouška max. 10ti body.

1. Umělá inteligence – definice, historie, oblasti
2. Biologický informační systém, neuron, mozek, inteligence
3. Umělé neuronové sítě - modelování a vlastnosti neuronových sítí, paradigmata
4. Umělé neuronové sítě - perceptron
5. Umělé neuronové sítě - vícevrstvá neuronová síť s algoritmem učení backpropagation
6. Umělé neuronové sítě - vlastnosti vícevrstvé neuronové sítě
7. Umělé neuronové sítě - Kohonenovy samoorganizační mapy
8. Umělé neuronové sítě - Hopfieldova síť
9. Umělé neuronové sítě - RCE síť
10. Znalostní systémy - reprezentace znalostí, řešení úloh
11. Znalostní systémy - struktura a činnost expertních systémů
12. Principy počítačového vidění
13. Inteligentní robot

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.

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

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)
Kasabov,N.K.: Foundations of Neural Networks, Fuzzy systems and Knowledge Engineering.The MIT Press,1996,ISBN 0-262-11212-4 (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)

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 (CS)
Schalkoff,R.J.:Artificial Neural Networks. The MIT Press,1997,ISBN 0-07-115554-6 (EN)

26 hod., povinná

Matlab with Simulink
Modelování algoritmu BackPropagation 1
Neuronové sítě v modelování 2
Modelování dynamických systémů pomocí neuronových sítí.
Citlivostní analýza NS typu Backpropagation.
Klasifikace pomocí NS.
Aplikace expertních systémů.