Algoritmy a struktury neuropočítačů

Přednášející:

Jana Tučková (gar.)

Cvičící:

Jana Tučková (gar.)

Předmět zajišťuje:

katedra teorie obvodů

Anotace:

Cílem předmětu je seznámení se základními principy a možností aplikací neuronové informační technologie při zpracování signálů. Pozornost je věnována úvodu do teorie umělých neuronových sítí, výběru a optimalizaci struktury a výběru dat. Podrobněji budou probírány otázky zpracování řečového a obrazového signálu a aplikace neuronových sítí v těchto oblastech, některé aplikace neuronových sítí v biomedicínském inženýrství a metody hardwarové realizace neuronových sítí (NS).

Požadavky:

Jsou požadovány základní znalosti ze zpracování řečového a obrazového signálu, MATLAB, aplikace počtu pravděpodobnosti a statistiky. Podmínkou zápočtu je aktivní účast na cvičeních a vypracování samostatné úlohy. Více na http://amber.feld.cvut.cz/SSC.

Osnova přednášek:

1. Neuronové sítě - historie, biologické a umělé NS, jejich využití pro zpracování

signálů, matematické modely neuronu, aktivační funkce.

2. Principy učení umělých neuronových sítí, samoorganizující se sítě (SOM), Kohonenovy

mapy.

3. SOM s učitelem, vizualizace map, LVQ klasifikátor.

4. Vícevrstvé sítě s učením zpětného šíření chyby (BPG).

5. Základní učení BPG a jeho modifikace.

6. Optimalizace struktury, Metody Data Mining, klestění neuronové sítě, výběr vstupních

dat.

7. Předzpracování dat. Základní pojmy z fonetiky, charakteristiky mluvené řeči. Základní

biosignály.

8. Princip rozpoznání. Aplikace neuronových sítí při rozpoznání řeči.

9. Princip syntézy řeči. Aplikace neuronových sítí při syntéze řeči.

10. Aplikace neuronových sítí při zpracování obrazů.

11. Aplikace neuronových sítí v biomedicíně.

12. Metody hardwarové realizace neuronových sítí.

13. Ostatní aplikace neuronových sítí.

14. Speciální struktury (CNN, TDNN, Wavelet sítě, fuzzy-neuronové sítě, GA).

Osnova cvičení:

1. Úvod, základy NN-Toolboxu pro MATLAB, informace o samostatných úlohách.

2. Základní funkce UNS, perceptron, ADALINE, MADALINE, LMS pravidlo.

3. Samoorganizující se sítě, SOM s učitelem, U-matice. SOM Toolbox.

4. Kohonenovy mapy. LVQ algoritmy - NN Toolbox, MATLAB.

5. Vrstevnaté neuronové sítě. Zadání samostatných úloh.

6. Algoritmy modifikovaného učení BPG.

7. Experimenty s programovým systémem Speech Laboratory.

8. Experimenty s programovým systémem SOM Laboratory

9. Odevzdání a prezentace tezí samostatné úlohy - kontrola.

10. Optimalizace neuronové sítě klestěním. Práce na samostatné úloze.

11. Experimentování s parametry neuronové sítě. Práce na samostatné úloze.

12. Hardwarová implementace KSOM pomocí FPGA.

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:

Rozsah výuky v kombinované formě studia: 14p+6c

Rozvrh na zimní semestr 2011/2012:

	06:00–08:0008:00–10:0010:00–12:0012:00–14:0014:00–16:0016:00–18:0018:00–20:0020:00–22:0022:00–24:00
Po	místnost T2:A4-405 Tučková J. 09:15–10:45 (přednášková par. 1) Dejvice Laborator
Út	místnost T2:A4-405 Tučková J. 12:45–14:15 (přednášková par. 1 paralelka 101) Dejvice Laborator
St
Čt
Pá

Rozvrh na letní semestr 2011/2012:

Rozvrh není připraven

Předmět je součástí následujících studijních plánů: