česky  čs
english  en
Umělá inteligence a neuronové sítě (2371077)
Katedra:ústav přístrojové a řídící techniky (12110)
Zkratka:Schválen:03.06.2011
Platí do: ??Rozsah:2P+1C
Semestr:*Kredity:4
Zakončení:Z,ZKJazyk výuky:CS
Anotace
Teorie řešení úloh, Formální logika. Jazyk a kalkul predikátů 1.řádu, Automatické dokazování teorémů-resoluční metoda, Formální jazyky a gramatiky, abstraktní automaty jako syntaktické analyzátory, Abstraktní automaty jako syntaktické analyzátory, Fuzzy regulátory, Fuzzy toolbox pro MatLab/Simulink, Syntéza fuzzy regulátoru v prostředí fuzzy toolboxu pro MatLab/Simulink, Genetické algoritmy, Neuronové sítě, teorie (MLP, RBF, HONU), typy, konvoluční neuronové sítě (AlexNet). Aplikace.

Vyučující
prof. Ing. Jiří Bíla DrSc.
Zimní 2019/2020
prof. Ing. Jiří Bíla DrSc.
Zimní 2018/2019
prof. Ing. Jiří Bíla DrSc.
Zimní 2017/2018
prof. Ing. Jiří Bíla DrSc.
Zimní 2016/2017
Osnova
1. Úvodní přenáška
2. Teorie řešení úloh
3. Formální logika. Jazyk a kalkul predikátů 1.řádu
4. Automatické dokazování teorémů-resoluční metoda
5. Formální jazyky a gramatiky, abstraktní automaty jako syntaktické analyzátory
6. Abstraktní automaty jako syntaktické analyzátory.
7. Fuzzy regulátory, Fuzzy toolbox pro MatLab/Simulink
8. Syntéza fuzzy regulátoru v prostředí fuzzy toolboxu pro MatLab/Simulink
9. Genetické algoritmy
10. Neuronové sítě
11. Neuronové sítě, teorie (MLP, RBF, HONU), typy
12. Neuronové sítě, teorie (MLP, RBF, HONU)
13. Závěr semestru, zápočty
Osnova cvičení
Témata cvičení následují témata přednášek.
Seminární práce budou postupně zadávány od 8. přednášky.

Podmínky pro udělení zápočtu:

- 50 % prezence na cvičeních.
- Odevzdaná a přijatá seminární práce.
Literatura
1. Bíla, J. : Umělá inteligence a neuronové sítě v aplikacích. ČVUT, Praha, 1998.
2. Bíla, Šmíd, Král, Hlaváč: Informační technologie. Databázové a znalostní systémy. ČVUT v Praze, 2009.
3. Mařík, V. a kol.: Umělá inteligence (1+2+3+4). Academia, Praha, (1997-2003).
4. Vysoký, P.: Fuzzy řízení. ČVUT, Praha, 1999.
Požadavky
Otázkové okruhy ke zkoušce

1. Teorie řešení úloh, typy úloh, zobecněný stavový prostor, jeho struktura, formální model syntézy řešení, vzdálenost od cíle řešení (metrika).
2. Formální logika. Jazyk a kalkul predikátů 1.řádu. Syntéza řešení.
3. Automatické dokazování teorémů-resoluční metoda. Postup a příklady.
4. Formální jazyky a gramatiky, základní typy gramatik, věta o transformaci regulární gramatiky na regulární lineární gramatiku.
5. Abstraktní automaty jako syntaktické analyzátory. Typy automatů. Stavové stroje (konečný a zásobníkový).
6. Fuzzy regulátory. Mamdaniho regulátor. Takagi-Sugenův regulátor.
7. Fuzzy toolbox pro MatLab/Simulink.
8. Syntéza fuzzy regulátoru v prostředí fuzzy toolboxu pro MatLab/Simulink.
9. Příklad řízení nelineárního dynamického systému fuzzy regulátorem.
10. Genetické algoritmy. Popis algoritmu. Ukončovací podmínka.
11. Neuronové sítě - životní cyklus a oblasti nasazení neuronových sítí.
12. Typy neuronových sítí (MLP, RBF, HONU).
13. Trénování a testování neuronových sítí.
14. Back propagation metoda trénování MLP sítí.
15. Ladění RBF sítí.
16. Konvergence procesu trénování neuronových sítí.
17. Identifikace dynamických systémů pomocí neuronových sítí.

Klíčová slova
umělá inteligence
data online/KOS/FS :: [Helpdesk] (hlášení problémů) :: [Obnovit] [Tisk] [Tisk na šířku] © 2011-2017 [CPS] v3.7 (master/180e4e5a/2019-10-09/02:51)