Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2019/2020

Expertní systémy a umělá inteligence pro medicínu

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
17PBIEUI Z,ZK 3 2P+1C česky
Přednášející:
Radim Krupička, Petr Maršálek (gar.)
Cvičící:
Radim Krupička, Jan Tesař
Předmět zajišťuje:
katedra biomedicínské informatiky
Anotace:

Otázka definice umělé inteligence. „Umělé“ systémy a „inteligence“ systémů. (Inteligentní) chování živých organizmů. Algoritmy umělé inteligence a jejich míra schopnosti napodobovat (inteligentní) chování živých organizmů. Předmět je zaměřen na metody, které jsou zmiňovány v souvislosti s umělou inteligencí, a jejich aplikace v medicíně. Detailně jsou probírány pojmy jako systém se zpětnou vazbou, stavový prostor a jeho prohledávání, matematická logika (zejména metoda rezoluce), rozpoznávání a klasifikace a dále takové globální pojmy jako je strojové učení, distribuovaná umělá inteligence, multiagentní systémy, evoluční výpočetní techniky a umělé neuronové sítě.

Definice umělé inteligence. Systémy a modely, zpětná vazba, adaptace. Stav a stavový prostor, prohledávání stavového prostoru - informované metody (gradientní algoritmy, metoda větví a mezí, A*) a neinformované metody (prohledávání do hloubky a do šířky). Matematická logika (výroková a predikátová), dokazování tvrzení pomocí rezoluce. Rozpoznávání - příznakové a strukturální metody, klasifikace, kritérium minimální vzdálenosti a minimální chyby. Strojové učení, rozhodovací stromy. Znalostní a expertní systémy (diagnostické, plánovací, hybridní). Extrakce znalostí pro znalostní systémy. Distribuovaná umělá inteligence, multiagentní systémy (reaktivní, intencionální, sociální agenti), koordinace, kooperace, komunikace. Evoluční výpočetní techniky, genetické algoritmy, evoluční programování, genetické programování, gramatická evoluce. Neuronové sítě, klasifikátory, aproximátory, vícevrstvá peceptronová síť, metody učení a vybavování. Fuzzy systémy. Analýza, syntéza a zpracování řeči. Robotika.

Požadavky:

Požadavky ke zkoušce:

- znalosti z probrané látky na přednáškách a cvičeních

- zkouška bude písemná s případným ústním dozkoušením

K získání zápočtu je potřeba odevzdat 3 domácí úkoly a je povolena maximálně 1 absence na cvičení.

Osnova přednášek:

1. Definice umělé inteligence. Systémy a modely, zpětná vazba, adaptace.

2. Stav a stavový prostor, prohledávání stavového prostoru - informované metody (gradientní algoritmy, metoda větví a mezí, A*) a neinformované metody (prohledávání do hloubky a do šířky).

3. Matematická logika (výroková a predikátová), dokazování tvrzení pomocí rezoluce.

4. Rozpoznávání - příznakové a strukturální metody, klasifikace, kritérium minimální vzdálenosti a minimální chyby.

5. Strojové učení, rozhodovací stromy.

6. Znalostní a expertní systémy (diagnostické, plánovací, hybridní). Extrakce znalostí pro znalostní systémy.

7. Distribuovaná umělá inteligence, multiagentní systémy (reaktivní, intencionální, sociální agenti), koordinace, kooperace, komunikace.

8. Evoluční výpočetní techniky, genetické algoritmy, evoluční programování, genetické programování, gramatická evoluce.

9. Neuronové sítě, klasifikátory, aproximátory

10. Vícevrstvá peceptronová síť, metody učení a vybavování.

11. Fuzzy systémy.

12. Analýza, syntéza a zpracování řeči.

13. Využití umělé inteligence v robotice.

14. Nové přístupy v umělé inteligenci.

Osnova cvičení:

1. Implementace základních metod prohledávání stavového prostoru (do hloubky, do šířky, A*) na úloze „souboje hadů“.

2. Rozhodovací úlohy - ovládání automobilu, závod.

3. Implementace klasických metod pro klasifikaci dat a rozpoznávání (zejména k NN a Bayesův klasifikátor) na obrazech z kamery.

4. Ovládání autonomního virtuálního robota v prostoru.

5. Implementace algoritmů umělé inteligence pro rozhodování virtuálního robota v prostoru.

6. Neprocedurální programovací jazyky (Prolog) - řešení sourozeneckých vztahů, Einsteinova hádanka.

7. Implementace jednoduchého expertního systému.

Cíle studia:

Studenti se seznámí s metodami, které jsou zminovány v souvislosti s umelou inteligencí, a jejich aplikace v medicíne, algoritmy umelé inteligence a jejich mírou schopnosti napodobovat (inteligentní) chování zivych organizmu.

Studijní materiály:

[1] Mařík V., Štěpánková O., Lažanský J. a kol.: Umělá inteligence 1-4, Academia, Praha, 1993-2004

[2] Pokorný M.: Umělá inteligence v modelování a řízení, BEN, Praha, 1996

[3] Vondrák I.: Umělá inteligence, Univerzita Palackého, Olomouc, 1991

[4] Sedláček V.: Umělá inteligence: Úvod, metody řešení úloh, rezoluční metoda, Státní pedagogické nakladatelství, Praha, 1987

[5] Zbořil F., Hanáček P.: Umělá inteligence, Edič. střed. VUT, Brno, 1990

[6] Šíma J., Neruda R.: Teoretické otázky neuronových sítí, Matfyzpress, 1996

[7] Zelinka I.: Umělá inteligence. Neuronové sítě a genetické algoritmy, VUTIUM, Brno, 1998

[8] J. Zvárová a kol.: Systémy pro podporu lékařského rozhodování III., Univerzita Karlova, Karolinum, Praha 2009

[9] Kelemen. J.; Kubík, A.; Lenharčík, I.; Mikulecký, P. Tvorba expertních systémů v prostředí CLIPS. Praha: GRADA Publishing, 1999. ISBN 80-7169-501-7.

Poznámka:
Rozvrh na zimní semestr 2019/2020:
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 KL:B-520
Krupička R.
10:00–11:50
(přednášková par. 1)
Kladno FBMI
Počítačová učebna
Út
místnost KL:B-534
Tesař J.
14:00–15:50
SUDÝ TÝDEN

(přednášková par. 1
paralelka 1)

Kladno FBMI
Počítačová učebna
St
Čt

Rozvrh na letní semestr 2019/2020:
Rozvrh není připraven
Předmět je součástí následujících studijních plánů:
Platnost dat k 16. 9. 2019
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet2792706.html