541-0888/03 – Expertní systémy v GIS (ES_GIS_D)
| Garantující katedra | Katedra geologického inženýrství | Kredity | 10 |
| Garant předmětu | doc. RNDr. František Staněk, Ph.D. | Garant verze předmětu | doc. RNDr. František Staněk, Ph.D. |
| Úroveň studia | postgraduální | Povinnost | povinně volitelný |
| Ročník | | Semestr | zimní + letní |
| | Jazyk výuky | angličtina |
| Rok zavedení | 2003/2004 | Rok zrušení | 2022/2023 |
| 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
Individuální konzultace.
E-learning
Další požadavky na studenta
Aktivní účast na konzultacích a úspěšné obhájení projektu.
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
1. Úvod do umělé inteligence. Jazyky umělé inteligence. Úvod do PROLOGu.
2. Metody hledání řešení. Charakteristika, vlastnosti a architektura expertních systémů.
3. Reprezentace znalostí. Pravidla a inferenční sítě. Řídící mechanizmy.
4. Neuronové sítě. Modely neuronů. Perceptron. Adaptace perceptronu. Hebbův algoritmus. Widrow-Hoffovo učení lineárního neuronu.
5. Vícevrstvé topologie. Metoda Backpropagation. Parametrická Backpropagation. Implementace neuronů s intervalovým stavem excitace. Zobecnělá metoda Backpropagation pro neuronové sítě s neurčitostí.
6. Rekuretní vícevrstvé neuronové sítě.
7. Kohonenovo učení a samoorganizující se neuronové sítě. LVQ modely a Counter-propagation.
8. Hopfieldovy sítě. Boltzmannův stroj. Dvousměrná asociativní paměť. Adaptivní rezonanční teorie.
9. Objektově-orientovaný přístup k modelování neuronových sítí.
10. Expertní systémy využívající neuronové sítě. Neuronové zpracování obrazové informace.
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky
Předmět neobsahuje žádné hodnocení.