PředmětyPředměty(verze: 853)
Předmět, akademický rok 2019/2020
  
Neuronové sítě - M445004
Anglický název: Neural Networks
Zajišťuje: Ústav počítačové a řídicí techniky (445)
Platnost: od 2019
Semestr: letní
Body: letní s.:5
E-Kredity: letní s.:5
Způsob provedení zkoušky: letní s.:
Rozsah, examinace: letní s.:2/2 Zk [hodiny/týden]
Počet míst: neurčen / neurčen (neurčen)
Minimální obsazenost: neomezen
Jazyk výuky: angličtina
Způsob výuky: prezenční
Úroveň:  
Pro druh: navazující magisterské
Garant: Procházka Aleš prof. Ing. CSc.
Mudrová Martina Ing. Ph.D.
Neslučitelnost : AM445004
Záměnnost : AM445004, N445024
Je neslučitelnost pro: AM445004
Je záměnnost pro: AM445004
Termíny zkoušek   Rozvrh   
Anotace -
Poslední úprava: Soušková Hana Ing. Ph.D. (25.04.2018)
Předmět je zaměřen na seznámení s konstrukcí, optimalizací a využitím matematických modelů neuronových sítí. Součástí předmětu jsou studie návrhu a užití umělých neuronových sítí (i) pro potlačování rušivých složek signálů, (ii) pro predikci časových řad včetně využití rekurentních sítí a dále (iii) pro klasifikaci vlastností signálů nebo obrazů na základě dané matice vzorů. Aplikační příklady jsou zaměřené na zpracování biomedicínských vícerozměrných signálů a dat z oblasti životního prostředí. Veškeré výpočetní algoritmy jsou konstruované a ověřované ve výpočetním prostředí systému MATLAB.
Výstupy studia předmětu
Poslední úprava: Soušková Hana Ing. Ph.D. (25.04.2018)

Studenti budou umět (i) matematicky modelovat vícevrstvé a rekurentní neuronové sítě, (ii) tvořit matice vzorů pro aplikace umělých neuronových sítí, (iii) optimalizovat matematické modely neuronových sítí pro potřeby klasifikace dat a (iv) využít neuronové sítě pro adaptivní potlačování rušivých složek signálů a pro jejich predikci

Literatura -
Poslední úprava: Soušková Hana Ing. Ph.D. (25.04.2018)

Z: S. Haykin: Neural Networks, Prentice Hall, 1999, ISBN 0132733501

Studijní opory
Poslední úprava: Soušková Hana Ing. Ph.D. (25.04.2018)

http://uprt.vscht.cz/prochazka/pedag/lectures/SP0_MATLAB_2006EN.pdf

Požadavky ke kontrole studia - angličtina
Poslední úprava: Kubová Petra Ing. (12.04.2018)

During the term three projects are solved and they include application of artificial neural networks for biomedical signal denoising, prediction of environmental data and classification of biomedical data segments. Oral exam includes detail discussion of selected problems and their solution in the MATLAB environment.

Sylabus -
Poslední úprava: Soušková Hana Ing. Ph.D. (25.04.2018)

1. Programový systém Matlab, základní operace, práce se soubory

2. Dvourozměrná a třírozměrná grafika, symbolická matematika, systém Simulink

3. Základní matematické modely neuronů, přenosové funkce, chybová plocha

4. Jednovrstvé sítě, perceptron, architektura neuronu a sítě, principy klasifikace signálu

5. Adaptivní lineární element (ADALINE), učení a trénování sítě

6. Aplikace neuronových sítí při potlačování rušivých složek signálů

7. Vícevrstvé sítě, principy učení a trénování, optimalizace parametrů, gradientní metoda

8. Základní optimalizační metody (backpropagation, Levenberg-Marquardtův algoritmus)

9. Aplikace neuronových sítí při predikci signálů a modelování systémů

10. Funkce radiálního typu, optimalizace struktury sítě

11. Samoorganizující se sítě a mapy, inicializace a učení

12. Aplikace neuronových sítí při segmentace a klasifikace reálných dat, výběr vlastností

13. Simulace neuronových sítí v prostředí jazyka Simulink

14. Aplikace neuronových sítí při identifikaci a řízení, metody učení

Studijní prerekvizity
Poslední úprava: Soušková Hana Ing. Ph.D. (25.04.2018)

Číslicové zpracování signálů a obrazů

Podmínky zakončení předmětu -
Poslední úprava: Procházka Aleš prof. Ing. CSc. (26.04.2018)

Úspěšné zpracování individuálních projektů zadávaných v průběhu semestru a ústní diskuse k vybraným odborným oblastem.

Zátěž studenta
Činnost Kredity Hodiny
Konzultace s vyučujícími 0,5 14
Účast na přednáškách 1 28
Příprava na přednášky, semináře, laboratoře, exkurzi nebo praxi 0,5 14
Práce na individuálním projektu 1 28
Příprava na zkoušku a její absolvování 1 28
Účast na seminářích 1 28
5 / 5 140 / 140
Hodnocení studenta
Forma Váha
Aktivní účast na výuce 30
Protokoly z individuálních projektů 30
Ústní zkouška 40

 
VŠCHT Praha