Neuronové sítě, strojové učení a náhodnost

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra matematiky

Anotace:

Klíčová slova:

Neuronové sítě, separace dat, approximace funkcí, učení s učitelem.

Požadavky:

Osnova přednášek:

1.Základní koncepty umělých neuronových sítí.

2.Nejběžňejší typy umělých neuronových sítí.

3.Základní numerické metody učení neuronových sítí.

4.Metody optimalizace návrhu architektur neuronových sítí.

5.Přehled základních typů úloh řešených neuronovými sítěmi.

6.Práce s umělými neuronovými sítěmi ve vývojovém prostředí Matlab a ROOT.

Osnova cvičení:

Cíle studia:

Znalosti:

Základní pojmy, vlastnosti a využití modelů umělých neuronových sítí.

Schopnosti:

Orientace v dané problematice, schopnost používání modelů umělých neuronových sítí pro řešení praktických úloh z oblasti aproximace funkci, separace množin a predikce časových řad.

Studijní materiály:

Literatura povinná:

[1] R. Rojas. Neural Networks ? A Systematic Introduction. Springer. 1991

Literatura doporučená:

[2] B.D. Ripley. Pattern Recognition and Neural Networks. Cambridge University Press. 1996

Poznámka:

Další informace:

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů: