450-4049/03 – Aplikovaná umělá inteligence (AUI)

Garantující katedraKatedra kybernetiky a biomedicínského inženýrstvíKredity4
Garant předmětudoc. Ing. Martin Černý, Ph.D.Garant verze předmětudoc. Ing. Martin Černý, Ph.D.
Úroveň studiapregraduální nebo graduálníPovinnostpovinný
Ročník2Semestrletní
Jazyk výukyčeština
Rok zavedení2019/2020Rok zrušení
Určeno pro fakultyFEIUrčeno pro typy studianavazující magisterské
Výuku zajišťuje
Os. čís.JménoCvičícíPřednášející
CER275 doc. Ing. Martin Černý, Ph.D.
KUB631 Ing. Jan Kubíček, Ph.D.
Rozsah výuky pro formy studia
Forma studiaZp.zak.Rozsah
prezenční Klasifikovaný zápočet 2+2
kombinovaná Klasifikovaný zápočet 0+16

Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi

Studenti se seznámí se základy vědního oboru umělá inteligence, poznají její nástroje v biomedicínských aplikačních oblastech a seznámí se s metodami syntézy jednoduchých systémů umělé inteligence. Studenti budou schopni praktického použití nástrojů umělé inteligence, návrhů fuzzy expertního systému, umělé neuronové sítě nebo genetického optimalizačního algoritmu s ohledem na aplikace v biomedicínském inženýrství.

Vyučovací metody

Přednášky
Cvičení (v učebně)
Experimentální práce v laboratoři

Anotace

Předmět je prioritně zaměřen na získání znalostí a aplikace metod umělé inteligence v kontextu zpracování a modelování biomedicínských dat. Předmět se skládá ze čtyřech hlavních oblasti umělé inteligence. V první části předmětu je řešena problematika fuzzy matematiky, fuzzy modelování a návrhu expertních systémů. Druhá část předmětu se věnuje problematice klasifikaci dat s důrazem na oblast neuronových sítí. Další oblast se věnuje optimalizačním technikám s důrazem na analýzu genetických algoritmů pro řešení složitých matematických problémů. Poslední část předmětu je věnována hierarchickým a ne hierarchickým metodám shlukové analýzy.

Povinná literatura:

POKORNÝ,M.,SROVNAL,V. Systémy s umělou inteligencí - Učební text a návody do cvičení. CZ.1.07/2.2.00/15.0113. VŠB - Technická univerzita Ostrava. Ostrava. 2012 VESELÝ,A. Úvod do umělé inteligence. ČZU Praha, 2005. ISBN 80-213-1361-7 JURA, P. Základy fuzzy logiky pro řízení a modelování. Brno: Nakladatelství VUTIUM, 2003, ISBN 80-214-2261-0. VONDRÁK, Ivo. Umělá inteligence a neuronové sítě. Ostrava: VŠB - Technická univerzita Ostrava, 1994. ISBN 80-7078-259-5.

Doporučená literatura:

VOLNÁ,E. Neuronové sítě. Ostravská univerzita, Ostrava. 2008 HYNEK,J. Genetické algoritmy a genetické programování. Grada, 2008. ISBN: 978-80-247-2695-3

Forma způsobu ověření studijních výsledků a další požadavky na studenta

Průběžná kontrola studia: Průběžná kontrola je prováděna na základě účasti studenta v laboratorních cvičeních. Podmínky udělení klasifikovaného zápočtu: Student může dosáhnout 40 bodů za elaboráty laboratorních cvičení a test praktických dovedností. Minimální počet dosažených bodů pro udělení zápočtu je 20. Pro absolvování předmětu musí student složit písemný test zaměřený na teoretické znalosti se ziskem minimálně 30 bodů z 60 možných.

E-learning

Další požadavky na studenta

Žádné další požadavky na studenta nejsou kladeny

Prerekvizity

Předmět nemá žádné prerekvizity.

Korekvizity

Předmět nemá žádné korekvizity.

Osnova předmětu

Přednášky 1. Úvod do umělé inteligence jako vědní disciplíny. 2. Principy a metody umělé inteligence. Metody počítačové reprezentace znalostí a jazykové modelování. 3. Základy fuzzy matematiky a fuzzy logiky. 4. Fuzzy expertní systémy. 5. Fuzzy modely. 6. Klasifikace dat: základní metody, principy a aplikace v oblasti biomedicíny. 7. Neuronové sítě: základní principy, topologie, typy sítí a aplikace pro klasifikaci a predikci u medicínských dat. 8. Základní metody a aplikace optimalizačních metod pro zpracování medicínských dat. 9. Genetické a evoluční algoritmy pro řešení složitých optimalizačních problémů. 10. Hierarchické a ne hierarchické metody shlukové analýzy. Počítačová cCvičení 1. Úvod do matematického modelování v prostředí MATLAB. 2. Funkcionality umělé inteligence v prostředí MATLAB. 3. Matematické aplikace fuzzy matematiky. 4. Design a realizace fuzzy expertních systémů. 5. Aplikace fuzzy modelování na reálných biomedicínských příkladech. 6. Implementace vybraných klasifikačních algoritmů v kontextu biomedicínských aplikací. 7. Design a realizace neuronových sítí v prostředí MATLAB pro řešení klasifikačních a predikčních úkolů. 8. Aplikace optimalizačních technik pro řešení složitých matematických problémů. 9. Implementace vybraných genetických algoritmů v oblasti zpracování biomedicínských signálů a obrazů. 10. Implementace metod shlukovací analýzy pro segmentaci a klasifikaci biomedicínských dat.

Podmínky absolvování předmětu

Kombinovaná forma (platnost od: 2019/2020 zimní semestr)
Název úlohyTyp úlohyMax. počet bodů
(akt. za podúlohy)
Min. počet bodů
Klasifikovaný zápočet Klasifikovaný zápočet 100 (100) 51
        Semestrální projekt Semestrální projekt 40  20
        Písemka Písemka 60  30
Rozsah povinné účasti: Semestrální projekt a písemný test

Zobrazit historii

Výskyt ve studijních plánech

Akademický rokProgramObor/spec.Spec.FormaJazyk výuky Konz. stř.RočníkZLTyp povinnosti
2019/2020 (N0788A060001) Biomedicínské inženýrství P čeština Ostrava 2 povinný stu. plán
2019/2020 (N0788A060001) Biomedicínské inženýrství K čeština Ostrava 2 povinný stu. plán
2019/2020 (N0714A060006) Aplikovaná elektronika P čeština Ostrava 2 volitelný odborný stu. plán
2019/2020 (N0714A060006) Aplikovaná elektronika K čeština Ostrava 2 volitelný odborný stu. plán

Výskyt ve speciálních blocích

Název blokuAkademický rokForma studiaJazyk výuky RočníkZLTyp blokuVlastník bloku