548-0113/01 – Metody zpracování experimentálních dat (MEZEK)
Garantující katedra | Katedra geoinformatiky | Kredity | 5 |
Garant předmětu | Ing. Lucie Orlíková, Ph.D. | Garant verze předmětu | Ing. Lucie Orlíková, Ph.D. |
Úroveň studia | pregraduální nebo graduální | Povinnost | povinně volitelný |
Ročník | 1 | Semestr | letní |
| | Jazyk výuky | čeština |
Rok zavedení | 2017/2018 | Rok zrušení | 2022/2023 |
Určeno pro fakulty | HGF | Určeno pro typy studia | navazující magisterské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Student prokazuje znalosti:
• základních pojmů z oblasti statistiky a geostatistiky
• základních pojmů z oblasti neuronových sítí
• pokročilé práce s programem R
• prostorových exploračních analýz dat
Student umí:
• rozhodnout se o aplikaci běžných interpolačních metod
• aplikovat představené metody zpracování dat
• interpretovat dosažené výsledky
Student je schopen:
• samostatně se orientovat v problematice neuronových sítí
• kriticky interpretovat cizí řešení založená na neuronových sítích
• vysvětlit problémy oblasti neuronových sítí
• vybrat pro danou problematiku vhodnou metodu
Vyučovací metody
Přednášky
Cvičení (v učebně)
Anotace
Cílem předmětu je seznámit studenta se základy teorie neuronových sítí. Důraz je kladen nejen na základní teorii, ale především na schopnost ji aplikovat při řešení příkladů. Rovněž studenti rozšíří své znalosti z oblasti geostatistiky o metody stochastické simulace.
Povinná literatura:
Doporučená literatura:
M. Meloun, J. Militký: Statistické zpracování experimentálních dat, Academia Praha 2004.
V. Mařík, O. Štěpánková, J. Lažanský a kol.: Umělá inteligence, Academia Praha 2003.
Další studijní materiály
Forma způsobu ověření studijních výsledků a další požadavky na studenta
V průběhu semestru je průběžně kontrolován postup zpracování čtyřech zadaných projektů mapování. Předmět je zakončen písemnou a ústní zkouškou.
E-learning
Další požadavky na studenta
Další požadavky na studenta nejsou stanoveny.
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
1) Úvod do problematiky neuronových sítí
2) Architektury a klasifikace neuronových sítí. Neuron jako procesor a klasifikátor, metody tréninku, nenaučitelné problémy
3) Standardní metoda Backpropagation a modifikované algoritmy se zpětným učením
4) Samoorganizace - Kohonenovy samoorganizační mapy, kvantování vektorů učením
5) Dopředná síť typu CounterPropagation
6) Hopfieldova síť
7) Optimalizační techniky, validace výsledků
8) Algoritmy podpůrných vektorů
9) SVM - jádrové algoritmy
10)Postavení neuronových sítí v geoinformatice
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky