Umělá inteligence a neuronové sítě
Kód | Zakončení | Kredity | Rozsah | Jazyk výuky |
---|---|---|---|---|
2372022 | KZ | 4 | 2+1 | česky |
- Přednášející:
- Jiří Bíla (gar.), Ivo Bukovský
- Cvičící:
- Jiří Bíla (gar.), Ivo Bukovský
- Anotace:
-
Formální aparát pro vybrané partie umělé inteligence (obecná algebra, formální logika, resoluční princip, fuzzy množiny, fuzzy relační kalkul, fuzzy logika, kvalitativní algebry). Kvalitativní modelování a simulace systémů. Fuzzy regulátory, teorie a navrhování fuzzy regulátorů. Mamdaniho a Sugenovské regulátory. Implementace fuzzy regulátorů v prostředí Simulink a Fuzzy Toolbox pro MATLAB. Příklady aplikací. Kvalitativní metody v systémech detekce poruch. Expertní systémy a jejich aplikace v inženýrství. Neuronové sítě. Klasifikace neuronových sítí. Sítě typu MLP (Multi-Layer Perceptrons) a sítě typu RBF (Radial Basis Function). Implementace sítí v prostředí Simulink a Neural Network Toolbox pro MATLAB. Příklady aplikací.
- Požadavky:
-
Otázkové okruhy předmětu UI
Matematika pro umělou inteligenci.
Prostředky pro podporu řešení problémů.
Problém zavedení metrické funkce ve zobecněném stavovém prostoru.
Strukturální rozpoznávání obrazů.
Fuzzy modelování a řízení.
Fuzzy toolbox pro MatLab/Simulink.
Neuronové sítě (trénování, testování a provoz).
Neuronové sítě typu MLP.
Neural Network Toolbox for MatLab/Simulink.
Genetické algoritmy.
Analýza signálů obsahujících deterministický chaos.
Analýza signálů obsahujících deterministický chaos. - nelineární metody (korelační dimenze, Ljapunovovy exponenty, fraktální dimenze).
Analýza signálů obsahujících deterministický chaos pomocí neuronových sítí.
- Osnova přednášek:
-
1. Matematika pro umělou inteligenci. (Prof. Bíla)
2. Matematika pro umělou inteligenci. (Prof. Bíla)
3. Prostředky pro podporu řešení problémů. (Prof. Bíla)
4. Rozpoznávání obrazů. (Příznakové rozpoznávání.) (Prof. Bíla)
5. Rozpoznávání obrazů. (Strukturální rozpoznávání.) (Prof. Bíla)
6. Fuzzy a fuzzy-kvalitativní modelování a řízení. (Prof. Bíla)
7. Fuzzy a fuzzy-kvalitativní modelování a řízení. (Fuzzy toolbox MatLab/Simulink.) (Prof. Bíla)
8. Neuronové sítě. (Úvod a MLP sítě). (Prof. Bíla)
9. Neuronové jednotky vyššího řádu HONNU. (Ing. Bukovský)
10. Neuronové sítě. (Neural Network Toolbox for MatLab/Simulink). (Ing. Bukovský)
11. Genetické algoritmy. (Úvod a klasické GA.) (Prof. Bíla)
12. Emergentní problémy. (Prof. Bíla)
13. Aplikace: Analýza a modelování vlastností kardiovaskulárního systému (HRV, EKG). (Prof. Bíla)
14. Aplikace: Diagnostika strukturálních a provozních poruch konstrukcí a systémů. (Prof. Bíla)
- Osnova cvičení:
-
1. Matematika pro umělou inteligenci. (Prof. Bíla)
2. Matematika pro umělou inteligenci. (Prof. Bíla)
3. Fraktální dimenze v umělé inteligenci.(Ing. Tlapák)
4. Rozpoznávání obrazů. (Příznakové rozpoznávání.) (Prof. Bíla)
5. Rozpoznávání obrazů. (Strukturální rozpoznávání.) (Prof. Bíla)
6. Fuzzy a fuzzy-kvalitativní modelování a řízení. (Prof. Bíla)
7. Fuzzy a fuzzy-kvalitativní modelování a řízení. (Fuzzy toolbox MatLab/Simulink.) (Prof. Bíla)
8. Neuronové sítě. (MLP a RBF sítě.) (Ing. Bukovský)
9. Neuronové jednotky vyššího řádu HONNU. (Ing. Bukovský)
10. Genetické algoritmy. (Úvod a klasické GA.) (Prof. Bíla)
11. Evoluční algoritmy. (Prof. Bíla)
12. Emergentní problémy. (Prof. Bíla)
13. Aplikace: Analýza a modelování vlastností kardiovaskulárního systému (HRV, EKG). (Ing. Bukovský)
14. Aplikace: Diagnostika strukturálních a provozních poruch konstrukcí a systémů. (Prof. Bíla)
- Cíle studia:
- Studijní materiály:
-
1. Bíla, J. : Umělá inteligence a neuronové sítě v aplikacích. ČVUT, Praha, 1998.
2. Mařík, V. a kol.: Umělá inteligence (1+2+3+4). Academia, Praha, (97-01)
3. Vysoký, P.: Fuzzy řízení. ČVUT, Praha, 1999.
- Poznámka:
- Další informace:
- Pro tento předmět se rozvrh nepřipravuje
- Předmět je součástí následujících studijních plánů: