Umělá inteligence a neuronové sítě
Kód | Zakončení | Kredity | Rozsah | Jazyk výuky |
---|---|---|---|---|
2371077 | Z,ZK | 4 | 2P+1C | česky |
- Garant předmětu:
- Přednášející:
- Cvičící:
- Předmět zajišťuje:
- ústav přístrojové a řídící techniky
- Anotace:
-
Teorie řešení úloh, Formální logika. Jazyk a kalkul predikátů 1.řádu, Automatické dokazování teorémů-resoluční metoda, Formální jazyky a gramatiky, abstraktní automaty jako syntaktické analyzátory, Abstraktní automaty jako syntaktické analyzátory, Fuzzy regulátory, Fuzzy toolbox pro MatLab/Simulink, Syntéza fuzzy regulátoru v prostředí fuzzy toolboxu pro MatLab/Simulink, Genetické algoritmy, Neuronové sítě, teorie (MLP, RBF, HONU), typy, konvoluční neuronové sítě (AlexNet). Aplikace.
- Požadavky:
-
Otázkové okruhy ke zkoušce
1. Teorie řešení úloh, typy úloh, zobecněný stavový prostor, jeho struktura, formální model syntézy řešení, vzdálenost od cíle řešení (metrika).
2. Formální logika. Jazyk a kalkul predikátů 1.řádu. Syntéza řešení.
3. Automatické dokazování teorémů-resoluční metoda. Postup a příklady.
4. Formální jazyky a gramatiky, základní typy gramatik, věta o transformaci regulární gramatiky na regulární lineární gramatiku.
5. Abstraktní automaty jako syntaktické analyzátory. Typy automatů. Stavové stroje (konečný a zásobníkový).
6. Fuzzy regulátory. Mamdaniho regulátor. Takagi-Sugenův regulátor.
7. Fuzzy toolbox pro MatLab/Simulink.
8. Syntéza fuzzy regulátoru v prostředí fuzzy toolboxu pro MatLab/Simulink.
9. Příklad řízení nelineárního dynamického systému fuzzy regulátorem.
10. Genetické algoritmy. Popis algoritmu. Ukončovací podmínka.
11. Neuronové sítě - životní cyklus a oblasti nasazení neuronových sítí.
12. Typy neuronových sítí (MLP, RBF, HONU).
13. Trénování a testování neuronových sítí.
14. Back propagation metoda trénování MLP sítí.
15. Ladění RBF sítí.
16. Konvergence procesu trénování neuronových sítí.
17. Identifikace dynamických systémů pomocí neuronových sítí.
- Osnova přednášek:
-
1. Úvodní přenáška
2. Teorie řešení úloh
3. Formální logika. Jazyk a kalkul predikátů 1.řádu
4. Automatické dokazování teorémů-resoluční metoda
5. Formální jazyky a gramatiky, abstraktní automaty jako syntaktické analyzátory
6. Abstraktní automaty jako syntaktické analyzátory.
7. Fuzzy regulátory, Fuzzy toolbox pro MatLab/Simulink
8. Syntéza fuzzy regulátoru v prostředí fuzzy toolboxu pro MatLab/Simulink
9. Genetické algoritmy
10. Neuronové sítě
11. Neuronové sítě, teorie (MLP, RBF, HONU), typy
12. Neuronové sítě, teorie (MLP, RBF, HONU)
13. Závěr semestru, zápočty
- Osnova cvičení:
-
Témata cvičení následují témata přednášek.
Seminární práce budou postupně zadávány od 8. přednášky.
Podmínky pro udělení zápočtu:
-50 % prezence na cvičeních.
-Odevzdaná a přijatá seminární práce.
- Cíle studia:
- Studijní materiály:
-
1. Bíla, J. : Umělá inteligence a neuronové sítě v aplikacích. ČVUT, Praha, 1998.
2. Bíla, Šmíd, Král, Hlaváč: Informační technologie. Databázové a znalostní systémy. ČVUT v Praze, 2009.
3. Mařík, V. a kol.: Umělá inteligence (1+2+3+4). Academia, Praha, (1997-2003).
4. Vysoký, P.: Fuzzy řízení. ČVUT, Praha, 1999.
- Poznámka:
- Další informace:
- Pro tento předmět se rozvrh nepřipravuje
- Předmět je součástí následujících studijních plánů:
-
- 12 131 NSTI PRT 2012 základ (povinný předmět programu)