Základy neuronových sítí a fuzzy logiky
Kód | Zakončení | Kredity | Rozsah | Jazyk výuky |
---|---|---|---|---|
17MPZNS | KZ | 2 | 1+1 | česky |
- Přednášející:
- Marcel Jiřina (gar.)
- Cvičící:
- Marcel Jiřina (gar.), Petr Hošek
- Předmět zajišťuje:
- katedra biomedicínské informatiky
- Anotace:
-
Neuronové sítě - historie, biologické a umělé neuronové sítě, jejich využití pro zpracování signálu. Modely neuronu, aktivační funkce. Principy učení umělých neuronových sítí. Samoorganizující se sítě(SOM), Kohonenovy mapy. SOM s učitelem, U-matice, LVQ klasifikátor. Vícevrstvé sítě s učením zpětného šíření chyby (BPG). Základní učení BPG a jeho modifikace. Optimalizace struktury, klestění neuronové sítě, výběr vstupních dat. Asociativní paměti, Hopfieldovy sítě, ART sítě. Speciální struktury (CNN, TDNN, Wavelet sítě, fuzzy-neuronové sítě). Aplikace neuronových sítí v biomedicíně. Součástí je i možné využítí neuronových sítí v expertních systémech a pro kompresi dat. Fuzzy množiny a klasické množiny. Definice, základní operace. Dvouhodnotová, vícehodnotová a fuzzy logika. Princip rozšíření. Fuzzy relace, cylindrické rozšíření. Fuzzy čísla a aritmetika. Fuzzy implikace. Přibližné usuzování. Systémy založené na fuzzy pravidlech, fuzzy inference. Logické spojky, t-normy a s-normy. Příklady aplikací v lékařství (fuzzy modelování, využití při zpracování obrazu).
- Požadavky:
-
Základy matematiky a Matlabu.
Klasifikovaný zápočet: Písemný test na 60 minut z odpřednášené a odcvičené látky v rozsahu čtyř otázek. Otázky se budou týkat oblasti neuronových sítí (základní principy extrakce, učení a zevšeobecňovaní znalostí, neuron perceptronového a radiálního typu, základní typy umělých neuronových sítí - MLP, RBF, Kohonenovy mapy, Hopfieldova síť) a fuzzy logiky (vícehodnotová logika, princip fuzzy logicky, základní matematické operace, fuzzy proměnné a fuzzy množina, fuzzifikace, inferenční mechanizmus, defuzzifikace, Takagiho model, Sugenův model).
- Osnova přednášek:
-
1. Úvod. Osnova. Předzpracování a formát dat. Úvod do neuronových sítí
2. Model neuronu. Vícevrstvá perceptronová síť. Struktura sítě a metody učení (backpropagation a další metody učení).
3. RBF síť, Kohonenova síť - struktura, vlastnosti
4. Asociativní paměti, Hopfildova síť, ART síť. Aplikace neuronových sítí
5. Fuzzy množiny a klasické množiny. Definice, základní operace. Dvouhodnotová, vícehodnotová a fuzzy logika.
6. Princip rozšíření. Fuzzy relace, cylindrické rozšíření. Fuzzy čísla a aritmetika. Fuzzy implikace. Přibližné usuzování.
7. Logické spojky, t-normy a s-normy. Příklady aplikací v lékařství (fuzzy modelování, využití při zpracování obrazu).
- Osnova cvičení:
-
1. Modelování jednoduchého neuronu a třívrstvé perceptronové sítě v Matlabu.
2. Návrh RBF sítě pro klasifikační úlohu.
3. Návrh Kohonenovy sítě.
4. Návrh Hopfieldovy sítě.
5. Sestavení fuzzy množin, operace s fuzzy množinami.
6. Fuzzifikace, fuzzy inference, defuzzifikace.
7. Aplikace fuzzy logiky v návrhu fuzzy systému. Aplikace v Matlabu.
- Cíle studia:
-
Poskytnout studentům základní náhled na umělé neuronové sítě a fuzzy logiku.
- Studijní materiály:
-
[1] Mařík V., Štěpánková O., Lažanský J. a kol.: Umělá inteligence 1-5 (zejména díl 4). Academia, Praha, 1993-2008.
[2] Šíma J., Neruda R.: Teoretické otázky neuronových sítí. Matfyzpress, Praha, 1996.
[3] Vysoký P., Fuzzy řízení, skriptum FEL, ČVUT, Praha, 1996
- Poznámka:
- 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 Út St Čt Pá - Rozvrh na letní semestr 2011/2012:
- Rozvrh není připraven
- Předmět je součástí následujících studijních plánů:
-
- Navazující magisterský studijní obor Přístroje a metody pro biomedicínu - prezenční (povinně volitelný předmět)