PředmětyPředměty(verze: 948)
Předmět, akademický rok 2023/2024
  
Neuronové sítě - N445024
Anglický název: Artificial Neural Networks
Zajišťuje: Ústav počítačové a řídicí techniky (445)
Fakulta: Fakulta chemicko-inženýrská
Platnost: od 2021
Semestr: letní
Body: letní s.:5
E-Kredity: letní s.:5
Způsob provedení zkoušky: letní s.:
Rozsah, examinace: letní s.:2/2, Z+Zk [HT]
Počet míst: neurčen / neurčen (neurčen)
Minimální obsazenost: neomezen
Jazyk výuky: čeština
Způsob výuky: prezenční
Způsob výuky: prezenční
Úroveň:  
Je zajišťováno předmětem: M445004
Pro druh:  
Garant: Procházka Aleš prof. Ing. CSc.
Je záměnnost pro: M445004
Termíny zkoušek   Rozvrh   
Anotace -
Poslední úprava: Procházka Aleš prof. Ing. CSc. (25.07.2013)
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: Procházka Aleš prof. Ing. CSc. (25.07.2013)

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: Procházka Aleš prof. Ing. CSc. (25.07.2013)

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

Studijní opory -
Poslední úprava: Procházka Aleš prof. Ing. CSc. (25.07.2013)

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

Sylabus -
Poslední úprava: Erudio (01.01.1999)

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

Vstupní požadavky -
Poslední úprava: Procházka Aleš prof. Ing. CSc. (25.07.2013)

Znalosti programového prostředí MATLAB, znalosti základních metod zpracování signálů a obrazů

Studijní prerekvizity -
Poslední úprava: Procházka Aleš prof. Ing. CSc. (25.07.2013)

Číslicové zpracování signálů a obrazů

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