Neuronové sítě 1

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

Katedra softwarového inženýrství

Anotace:

Matematická analýza, teorie modelů a biologický context jsou použity ke konstrukci jednoduchých modelů neuronových struktur. Modely jsou schopny se učit z trénovací množiny a jejich struktury a parametry jsou předmětem optimalizace.

Požadavky:

Základní znalosti z lineární algebry.

Osnova přednášek:

1. Biologické neuronové sítě a jejich modely.

2. Umělé neuronové sítě , základní pojmy.

3. Topologie ANN, acyklické a hierarchické sítě.

4. Bipolární perceptron jako spínací prvek.

5. Logická funkce jako perceptronová síť.

6. Hebbovo učení, LSQ učení, pseudoinverze, OLAM.

7. Principy robustního učení, klestění.

8. Rosenblattovo učení, Widrowovo delta učení.

9. Nelineární preprocessing a Coverova věta.

10. Hladký perceptron, pravidlo delta, stochastická gradientní metoda.

11. Metoda podpůrných vektorů (Support Vector Machine)

Osnova cvičení:

1. Biologické neuronové sítě a jejich modely.

2. Umělé neuronové sítě , základní pojmy.

3. Topologie ANN, acyklické a hierarchické sítě.

4. Bipolární perceptron jako spínací prvek.

5. Logická funkce jako perceptronová síť.

6. Hebbovo učení, LSQ učení, pseudoinverze, OLAM.

7. Principy robustního učení, klestění.

8. Rosenblattovo učení, Widrowovo delta učení.

9. Nelineární preprocessing a Coverova věta.

10. Hladký perceptron, pravidlo delta, stochastická gradientní metoda.

11. Metoda podpůrných vektorů (Support Vector Machine)

Cíle studia:

Znalosti:

Základy umělých neuronových sítí.

Schopnosti:

Reprezentace logické funkce pomocí perceptronu, použití algoritmů pro stanovení vah perceptronu, použití metody podpůrných vektorů.

Studijní materiály:

Povinná literatura:

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

[2] M. Šnorek: Neuronové sítě a neuropočítače, ČVUT, Praha, 2002.

Doporučená literatura:

[3] S. Haykin: Neural Networks, Macmillan, New York, 1994.

[4] L.V. Fausett: Fundamentals of Neural Networks: Architectures, Algorithms and Applications, Prentice Hall, New Jersey, 1994.

Poznámka:

Další informace:

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů:

• Aplikace informatiky v přírodních vědách (volitelný předmět)