|
|
Hlavní nabídka Prohlížení IS/STAG
Nalezené předměty, počet: 1
Stránkování výsledků vyhledávání
Nalezeno 1 záznamů
Export do Xls
Informace o předmětu
KRP / DUNES
:
Popis předmětu
Pracoviště / Zkratka
|
KRP
/
DUNES
|
Akademický rok
|
2023/2024
|
Akademický rok
|
2023/2024
|
Název
|
Umělé neuronové sítě - vybr. kapitoly
|
Způsob zakončení
|
Zkouška
|
Způsob zakončení
|
Zkouška
|
Název dlouhý
|
Umělé neuronové sítě - vybrané kapitoly
|
Akreditováno / Kredity
|
Ano,
20
Kred.
|
Forma zakončení
|
Kombinovaná
|
Forma zakončení
|
Kombinovaná
|
Rozsah hodin
|
|
Zápočet před zkouškou
|
Ne
|
Zápočet před zkouškou
|
Ne
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Počítán do průměru
|
NE
|
Vyučovací jazyk
|
Čeština, Angličtina
|
Obs/max
|
|
|
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Letní semestr
|
0 / -
|
0 / -
|
0 / -
|
Počítán do průměru
|
NE
|
Zimní semestr
|
0 / -
|
1 / -
|
0 / -
|
Opakovaný zápis
|
NE
|
Opakovaný zápis
|
NE
|
Rozvrh
|
Ano
|
Vyučovaný semestr
|
Zimní + Letní
|
Vyučovaný semestr
|
Zimní + Letní
|
Minimum (B + C) studentů
|
nestanoveno
|
Volně zapisovatelný předmět |
Ano
|
Volně zapisovatelný předmět
|
Ano
|
Vyučovací jazyk
|
Čeština, Angličtina
|
Počet dnů praxe
|
0
|
Počet hodin kontaktní výuky |
0
|
Hodnotící stupnice |
S|N |
Periodicita |
každý rok
|
Periodicita upřesnění |
|
Základní teoretický předmět |
Ne
|
Profilující předmět |
Ano
|
Základní teoretický předmět |
Ne
|
Hodnotící stupnice |
S|N |
Nahrazovaný předmět
|
Žádný
|
Vyloučené předměty
|
Nejsou definovány
|
Podmiňující předměty
|
Nejsou definovány
|
Předměty informativně doporučené
|
Nejsou definovány
|
Předměty,které předmět podmiňuje
|
Nejsou definovány
|
Graf četnosti udělených hodnocení studentům napříč roky:
Obrázek PNG
,
XLS
|
Cíle předmětu (anotace):
|
V rámci předmětu budou prohloubeny znalosti v oblasti nejčastěji používaných paradigmat umělých neuronových sítí (dopředná vícevrstvá umělá neuronová síť, samoorganizující se mapy, konvoluční síť) a studenti budou seznámeni s pokročilými algoritmy jejich učení.
|
Požadavky na studenta
|
Student absolvuje minimálně 3 konzultace během semestru s vyučujícím předmětu týkající se teoretické náplně předmětu. Student absolvuje minimálně 1 konzultaci týkající se zadané praktické práce.
V rámci praktické práce student vybuduje a zdokumentuje umělou neuronovou síť řešící vybraný problém z oblasti řízení procesů. Síť bude validována na reálném laboratorním zařízení.
|
Obsah
|
V rámci předmětu budou prohloubeny znalosti v oblasti nejčastěji používaných paradigmat umělých neuronových sítí (dopředná vícevrstvá umělá neuronová síť, samoorganizující se mapy, konvoluční síť) a studenti budou seznámeni s pokročilými algoritmy jejich učení. Vlastnosti těchto paradigmat budou demonstrovány zejména na příkladech aplikací pro modelování a řízení dynamických systémů, ale částečně také při zpracování audiovizuálních dat, klasifikaci a rozhodování. Studenti v rámci předmětu navíc samostatně zpracují komplexní úlohu řešící použití umělé neuronové sítě na vybraný problém z oblasti řízení procesů, přičemž síť bude validována na reálném laboratorním zařízení.
Hlavní témata předmětu: *Dopředná vícevrstvá umělá neuronová síť (FFNN) - topologie, postup návrhu, vlastnosti, gradientní algoritmy učení, Levenbergův-Marquardtův algoritmus učení, možnosti paralelizace řešení při učení, modelování dynamických systémů pomocí FFNN, nejčastější přístupy k řízení dynamických systémů pomocí FFNN *Neuronové sítě typu samoorganizační mapa (SOM) - topologie, postup návrhu, vlastnosti, shluková analýza dat pomocí SOM *Konvoluční neuronová síť (CNN) - topologie, postup návrhu, vlastnosti, implementace gradientních algoritmů pro učení CNN, využití speciálního hardware pro implementaci CNN, komprimace dat pomocí CNN, klasifikace objektů v obrazových datech pomocí CNN
|
Aktivity
|
|
Studijní opory
|
|
Garanti a vyučující
|
|
Literatura
|
-
Základní:
Goodfellow, I.; Bengio, Y.; Courville, A. Deep learning. The MIT Press, Cambridge, 2016. ISBN 978-0-262-03561-3.
-
Základní:
Haykin, Simon S. Neural networks and learning machines. Upper Saddle River: Prentice Hall, 2009. ISBN 978-0-13-147139-9.
-
Základní:
KVASNIČKA, V. a kol. Úvod do teórie neurónových sietí.. Bratislava: IRIS, 1997. ISBN 80-88778-30-1.
-
Doporučená:
Nguyen, Hung T. A first course in fuzzy and neural control. Boca Raton: Chapman & Hall, 2003. ISBN 1-58488-244-1.
-
Doporučená:
VONDRÁK, I. Umělá inteligence a neuronové sítě. Ostrava: VŠB - TU Ostrava, 2009. ISBN 978-8-02-481981-5.
|
Předpoklady - další informace k podmíněnosti studia předmětu |
- |
Získané způsobilosti |
- |
Vyučovací metody |
- Monologická (výklad, přednáška, instruktáž)
- Metody samostatných akcí
- Laborování
|
Hodnotící metody |
- Ústní zkouška
- Písemná zkouška
- Posouzení zadané práce
|
|
|
|