541-0545/01 – Expertní systémy v GIS (ES_GIS)

Garantující katedraKatedra geologického inženýrstvíKredity4
Garant předmětuDoc. PaedDr. Vladimír Homola, Ph.D.Garant verze předmětudoc. RNDr. František Staněk, Ph.D.
Úroveň studiapregraduální nebo graduálníPovinnostpovinný
Ročník1Semestrletní
Jazyk výukyčeština
Rok zavedení1997/1998Rok zrušení2009/2010
Určeno pro fakultyHGFUrčeno pro typy studiamagisterské
Výuku zajišťuje
Os. čís.JménoCvičícíPřednášející
STA22 doc. RNDr. František Staněk, Ph.D.
Rozsah výuky pro formy studia
Forma studiaZp.zak.Rozsah
prezenční Zápočet a zkouška 2+2
kombinovaná Zápočet a zkouška 15+15

Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi

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.

Vyučovací metody

Přednášky
Cvičení (v učebně)

Anotace

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.

Povinná literatura:

Vondrák, I.: Umělá inteligence a neuronové sítě. Skriptum VŠB - TU Ostrava, 2002. Šnorek, M., Jiřina, M.: Neuronové sítě a neuropočítače. Skriptum ČVUT. Praha, 1998. Pokorný, M.: Řídící systémy se znalostní bází. Skriptum VŠB - TU Ostrava, 1995.

Doporučená literatura:

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

Forma způsobu ověření studijních výsledků a další požadavky na studenta

E-learning

Další požadavky na studenta

Prerekvizity

Předmět nemá žádné prerekvizity.

Korekvizity

Předmět nemá žádné korekvizity.

Osnova předmětu

· Umělá inteligence jako vědní disciplína, jazyky umělé inteligence. Základní rysy PROLOGu. · Hledání řešení – klasické úlohy, grafy a stromy řešení. Prohledávání do hloubky a do šířky, heuristické prohledávání. · Expertní systémy, vývoj, charakteristické rysy, vlastnosti. Struktura expertního systému.Typy expertních úloh. Některé známé systémy. · Reprezentace znalostí – sémantické sítě, rámce, inferenční sítě. Pravidla a inferenční sítě – pravděpodobnostní přístup, fuzzy logika. Řídící mechanismy. · Lingvistická proměnná, vícehodnotová logika a lingvistické modely. · Neuronové sítě, jejich specifické rysy. Model neuronu. Základní aplikační oblasti neuronových sítí. Perceptron, jeho adaptace. · Vícevrstvé sítě a metoda backpropagation. Spojitý perceptron s intervalovým stavem excitace a zobecněná metoda backpropagation. · Rekurentní vícevrstvé neuronové sítě. · Kompetice, Kohonenovy mapy, samoorganizace. · Kohonenova síť s učitelem, Counter-Propagation. · Hopfieldova síť, identifikace předloženého vzoru. · Boltzmannův stroj, dvousměrná asociativní paměť. Adaptivní rezonanční teorie. · Objektově orientovaný přístup k neuronovým sítím. · Expertní systémy využívající neuronové sítě. Neuronové zpracování obrazové informace.

Podmínky absolvování předmětu

Prezenční forma (platnost od: 1960/1961 letní semestr)
Název úlohyTyp úlohyMax. počet bodů
(akt. za podúlohy)
Min. počet bodůMax. počet pokusů
Zápočet a zkouška Zápočet a zkouška 100 (100) 51 3
        Zápočet Zápočet 33 (33) 0 3
                Projekt Projekt 20  0 3
                Písemka Písemka 10  0 3
                Jiný typ úlohy Jiný typ úlohy 3  0 3
        Zkouška Zkouška 67 (67) 0 3
                Písemná zkouška Písemná zkouška 50  0 3
                Ústní zkouška Ústní zkouška 17  0 3
Rozsah povinné účasti:

Zobrazit historii

Podmínky absolvování předmětu a účast na cvičeních v rámci ISP:

Zobrazit historii

Výskyt ve studijních plánech

Akademický rokProgramObor/spec.Spec.ZaměřeníFormaJazyk výuky Konz. stř.RočníkZLTyp povinnosti
2005/2006 (M3646) Geodézie a kartografie (3602T002) Geoinformatika P čeština Ostrava 4 povinný stu. plán
2005/2006 (N3646) Geodézie a kartografie (3602T002) Geoinformatika (10) Geoinformatika P čeština Ostrava 1 povinný stu. plán
2004/2005 (M3646) Geodézie a kartografie (3602T002) Geoinformatika P čeština Ostrava 4 povinný stu. plán
2004/2005 (N3646) Geodézie a kartografie (3602T002) Geoinformatika (10) Geoinformatika P čeština Ostrava 1 povinný stu. plán
2003/2004 (M3646) Geodézie a kartografie (3602T002) Geoinformatika P čeština Ostrava 4 povinný stu. plán
2003/2004 (N3646) Geodézie a kartografie (3602T002) Geoinformatika (10) Geoinformatika P čeština Ostrava 1 povinný stu. plán
2002/2003 (M3646) Geodézie a kartografie (3602T002) Geoinformatika P čeština Ostrava 4 povinný stu. plán
2001/2002 (M3646) Geodézie a kartografie (3602T002) Geoinformatika P čeština Ostrava 4 povinný stu. plán
2000/2001 (M3646) Geodézie a kartografie (3602T002) Geoinformatika P čeština Ostrava 4 povinný stu. plán

Výskyt ve speciálních blocích

Název blokuAkademický rokForma studiaJazyk výuky RočníkZLTyp blokuVlastník bloku

Hodnocení Výuky

Předmět neobsahuje žádné hodnocení.