450-4049/03 – Aplikovaná umělá inteligence (AUI)
| Garantující katedra | Katedra kybernetiky a biomedicínského inženýrství | Kredity | 4 |
| Garant předmětu | prof. Ing. Martin Černý, Ph.D. | Garant verze předmětu | prof. Ing. Martin Černý, Ph.D. |
| Úroveň studia | pregraduální nebo graduální | Povinnost | volitelný odborný |
| Ročník | 2 | Semestr | letní |
| | Jazyk výuky | čeština |
| Rok zavedení | 2019/2020 | Rok zrušení | |
| Určeno pro fakulty | FEI | Určeno pro typy studia | navazující magisterské |
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:
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
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky