714-0995/01 – Expertní systémy v GIS (ESd)

Garantující katedraKatedra matematiky a deskriptivní geometrieKredity10
Garant předmětudoc. RNDr. František Staněk, Ph.D.Garant verze předmětudoc. RNDr. František Staněk, Ph.D.
Úroveň studiapostgraduálníPovinnostpovinně volitelný
RočníkSemestrzimní + letní
Jazyk výukyčeština
Rok zavedení2003/2004Rok zrušení2019/2020
Určeno pro fakultyHGFUrčeno pro typy studiadoktorské
Výuku zajišťuje
Os. čís.JménoCvičícíPřednášející
STA22 doc. RNDr. František Staněk, Ph.D.
Rozsah výuky pro formy studia
Forma studiaZp.zak.Rozsah
prezenční Zkouška 20+0
kombinovaná Zkouška 20+0

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

Kombinovaná forma (platnost od: 2013/2014 zimní semestr, platnost do: 2019/2020 letní semestr)
Název úlohyTyp úlohyMax. počet bodů
(akt. za podúlohy)
Min. počet bodůMax. počet pokusů
Zkouška Zkouška   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
2018/2019 (P3657) Geodézie, kartografie a geoinformatika (čtyřleté) (3602V002) Geoinformatika K čeština Ostrava povinně volitelný stu. plán
2018/2019 (P3646) Geodézie a kartografie (3602V002) Geoinformatika P čeština Ostrava povinně volitelný stu. plán
2018/2019 (P3646) Geodézie a kartografie (3602V002) Geoinformatika K čeština Ostrava povinně volitelný stu. plán
2017/2018 (P3657) Geodézie, kartografie a geoinformatika (čtyřleté) (3602V002) Geoinformatika P čeština Ostrava povinně volitelný stu. plán
2017/2018 (P3657) Geodézie, kartografie a geoinformatika (čtyřleté) (3602V002) Geoinformatika K čeština Ostrava povinně volitelný stu. plán
2017/2018 (P3646) Geodézie a kartografie (3602V002) Geoinformatika K čeština Ostrava povinně volitelný stu. plán
2017/2018 (P3646) Geodézie a kartografie (3602V002) Geoinformatika P čeština Ostrava povinně volitelný stu. plán
2016/2017 (P3646) Geodézie a kartografie (3602V002) Geoinformatika P čeština Ostrava povinně volitelný stu. plán
2016/2017 (P3646) Geodézie a kartografie (3602V002) Geoinformatika K čeština Ostrava povinně volitelný stu. plán
2015/2016 (P3646) Geodézie a kartografie (3602V002) Geoinformatika P čeština Ostrava povinně volitelný stu. plán
2015/2016 (P3646) Geodézie a kartografie (3602V002) Geoinformatika K čeština Ostrava povinně volitelný stu. plán

Výskyt ve speciálních blocích

Název blokuAkademický rokForma studiaJazyk výuky RočníkZLTyp blokuVlastník bloku

Hodnocení Výuky

Předmět neobsahuje žádné hodnocení.