541-0888/01 – Expertní systémy v GIS (ES_GIS_D)
| Garantující katedra | Katedra geologického inženýrství | Kredity | 0 |
| Garant předmětu | doc. RNDr. František Staněk, Ph.D. | Garant verze předmětu | doc. RNDr. František Staněk, Ph.D. |
| Úroveň studia | postgraduální | Povinnost | volitelný odborný |
| Ročník | | Semestr | zimní + letní |
| | Jazyk výuky | čeština |
| Rok zavedení | 2001/2002 | Rok zrušení | 2010/2011 |
| Určeno pro fakulty | HGF | Určeno pro typy studia | doktorské |
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
Individuální konzultace
Projekt
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:
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.
Doporučená literatura:
Dvořák, J.: Expertní systémy. Online dokument, 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
Jazyky umělé inteligence. Metody hledání řešení. Charakteristika, vlastnosti a
architektura expertních systémů. Reprezentace znalostí. Pravidla a inferenční
sítě. Řídící mechanismy. Neuronové sítě. Modely neuronů. Vícevrstvé topologie.
Metody Backpropagation. Parametrická Backpropagation. Implementace neuronů s
intervalovým stavem excitace. Zobecnělá metoda Backpropagation pro neuronové
sítě s neurčitostí. Rekurentní 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 neurovné sítě. Neuronové zpracování obrazové
informace.
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky
Předmět neobsahuje žádné hodnocení.