Algoritmy a struktury neuropočítačů
Kód | Zakončení | Kredity | Rozsah | Jazyk výuky |
---|---|---|---|---|
XD31ASN | Z,ZK | 5 | 14+4s | česky |
- Přednášející:
- Cvičící:
- Předmět zajišťuje:
- katedra teorie obvodů
- Anotace:
-
Cílem předmětu je seznámení se základními principy a možností aplikací neuronové informační technologie při zpracování signálu. Pozornost je věnována úvodu do teorie umělých neuronových sítí, výběru a optimalizaci struktury a výběru dat. Podrobněji jsou probírány otázky zpracování řečového signálu a aplikace neuronových sítí při rozpoznání a syntéze řeči. V počítačově seminárních cvičeních studenti získají zkušenosti s používáním
Matlabu, a to Neural Network Toolboxu.
- Požadavky:
-
Vytvoření vlastního m-souboru v Matlabu, obhajoba způsobu řešení úlohy.
- Osnova přednášek:
-
1. Neuronové sítě - historie, biologické a umělé neuronové sítě, jejich využití pro zpracování signálu
2. Modely neuronu, aktivační funkce, principy učení umělých neuronových sítí
3. Vícevrstvé sítě s učením zpětného šíření chyby (BPG)
4. Základní učení BPG a jeho modifikace
5. Optimalizace struktury, klestění neuronové sítě, výběr vstupních dat
6. Asociativní paměti, Hopfieldovy sítě, ART sítě
7. Kohonenovy mapy, LVQ klasifikátor
8. Základní pojmy z fonetiky, charakteristiky mluvené řeči
9. Metody rozpoznání řeči, aplikace neuronových sítí při rozpoznání řeči
10. Princip syntézy řeči, typy syntezátorů
11. Aplikace neuronových sítí při syntéze řeči
12. Speciální struktury (CNN, TDNN, Wavelet sítě, fuzzy-neuronové sítě)
13. Genetické algoritmy
14. Ostatní aplikace neuronových sítí
- Osnova cvičení:
-
1. Úvod, základy NN-Toolboxu pro Matlab, zadání samostatných úloh
2. Základní funkce umělých neuronových sítí, perceptron
3. ADALINE, MADALINE, LMS pravidlo
4. Vrstevnaté neuronové sítě
5. Algoritmy učení zpětného šíření chyby (BPG)
6. Algoritmy modifikovaného učení BPG
7. Asociativní učení, asociativní paměti, Hopfieldovy sítě
8. Samoorganizující se mapy, LVQ algoritmy
9. Odevzdání a prezentace tezí samostatné úlohy - kontrola
10. Optimalizace neuronové sítě klestěním
11. Práce na samostatné úloze
12. Práce na samostatné úloze
13. Práce na samostatné úloze
14. Odevzdání samostatné úlohy, zápočet
- Cíle studia:
- Studijní materiály:
-
1. Tučková, J.: Vybrané aplikace umělých neuronových sítí při zpracování signálů. Monografie, ČVUT v Praze, Česká technika-nakladatelství ČVUT, 2009, ISBN 976-80-01-04229-8
2. Tučková, J.: Úvod do teorie a aplikací umělých neuronových sítí. Skripta FEL ČVUT v Praze, vydavatelství ČVUT, 2005, ISBN 80-01-02800-3.
3. Tučková, J., Bártů, M., Zetocha, P.: Aplikace umělých neuronových sítí při zpracování signálů.Skripta ČVUT v Praze, 2009, ISBN 978-80-01-04400-1.
4. Novák, M. a kol.: Umělé neuronové sítě, teorie a aplikace. C.H.Beck, Praha 1998, ISBN 80-7179-732-6.
5. Knihovna SOM Toolbox 2.0. www.cis.hut.fi/projects/somtoolbox/download.
- Poznámka:
- Další informace:
- Pro tento předmět se rozvrh nepřipravuje
- Předmět je součástí následujících studijních plánů:
-
- Elektronika - elektronické systémy- strukturované studium (povinný předmět)