541-0888 – Expertní systémy v GIS (ES_GIS_D)

Cílem první části předmětu je seznámit posluchače s řešením expertních úloh, s nimiž se mohou setkat v jiných předmětech studia a v praxi. Hlavní důraz je položen na vysvětlení podstaty jednotlivých metod hledání řešení a jejich obecných vlastností. Studenti se naučí rozhodnout, která metoda je vhodná při řešení konkrétního problému. Důležitou součástí výkladu je také algoritmická implementace v jazyku PROLOG a seznámení se s využitím existujících expertních systémů. Druhá část předmětu se zabývá základními typy neuronových sítí a učí, jak je chápat z teoretického i praktického hlediska. Studenti si osvojí, jak lze tyto obecné postupy využít v jiných předmětech studia a v praxi.

Úvod do umělé inteligence. Jazyky umělé inteligence. Úvod do PROLOGu. Metody hledání řešení. Charakteristika, vlastnosti a architektura expertních systémů. Reprezentace znalostí. Pravidla a inferenční sítě. Řídící mechanizmy. Neuronové sítě. Modely neuronů. Perceptron. Adaptace perceptronu. Hebbův algoritmus. Widrow-Hoffovo učení lineárního neuronu. Vícevrstvé topologie. Metoda Backpropagation. Parametrická Backpropagation. Implementace neuronů s intervalovým stavem excitace. Zobecnělá metoda Backpropagation pro neuronové sítě s neurčitostí. Rekuretní vícevrstvé neuronové sítě. Kohonenovo učení a samoorganizující se neuronové sítě. LVQ modely a Counter-propagation Hopfieldovy sítě. Boltzmannův stroj. Dvousměrná asociativní paměť. Adaptivní rezonanční teorie. Objektově-orientovaný přístup k modelování neuronových sítí. Expertní systémy využívající neuronové sítě. Neuronové zpracování obrazové informace.

Šnorek, M., Jiřina, M.: Neuronové sítě a neuropočítače. Skriptum ČVUT. Praha, 1998. Vondrák, I.: Umělá inteligence a neuronové sítě. Skriptum VŠB - TU Ostrava, 2002, 139 s.

Dvořák, J.: Expertní systémy. Online dokument, VUT Brno, 2004. http://www.uai.fme.vutbr.cz/~jdvorak/Opory/ExpertniSystemy.pdf