PV021 Neuronové sítě

Fakulta informatiky
jaro 2005
Rozsah
2/2. 4 kr. (plus ukončení). Ukončení: zk.
Vyučující
doc. RNDr. Jiří Šíma, DrSc. (přednášející), prof. RNDr. Mojmír Křetínský, CSc. (zástupce)
Garance
prof. RNDr. Mojmír Křetínský, CSc.
Katedra teorie programování – Fakulta informatiky
Kontaktní osoba: prof. RNDr. Mojmír Křetínský, CSc.
Rozvrh
St 23. 2. 10:00–16:50 A107, St 30. 3. 10:00–16:50 A107, St 13. 4. 10:00–16:50 A107, St 20. 4. 10:00–16:50 A107, St 11. 5. 10:00–16:50 A107
Předpoklady
! P021 Neuronové sítě
Doporučeno: znalosti v rozsahu kursů MB000 (Matematická analýza I) a MB003 (Linaární algebra I) nebo v rozsahu kursů MB102 (Matematika II) a MB103 (Matematika III).
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 17 mateřských oborů, zobrazit
Cíle předmětu
Úvod do neuronových sítí: motivace, postavení neuronových sítí v informatice, přehled základních typových modelů.
Osnova
  • Úvod do neuronových sítí. Historie neurovýpočtů; neurofyziologické motivace; matematický model neuronové sítě: formální neuron, organizační, aktivní a adaptivní dynamika; postavení neuronových sítí v informatice: porovnání s von neumannovskou architekturou počítače, aplikace, implementace, neuropočítače.
  • Klasické modely neuronových sítí. Perceptron: konvergence; vícevrstvá síť a strategie zpětného šíření (backpropagation): volba topologie a generalizace; MADALINE: Widrowovo učící pravidlo.
  • Asociativní neuronové sítě. Lineární asociativní síť: Hebbův zákon a pseudohebbovská adaptace; Hopfieldova síť: energie, kapacita; Spojitá Hopfieldova síť: problém obchodního cestujícího; Boltzmannův stroj: simulované žíhání, rovnovážný stav.
  • Samoorganizace. Kohonenova síť: učení bez učitele; Kohonenovy mapy: LVQ; counterpropagation: Grossbergovo učící pravidlo; RBF sítě.
  • Cvičení (seminář): Softwarová implementace jednotlivých modelů neuronových sítí a jejich jednoduché aplikace.
Literatura
  • ŠÍMA, Jiří a Roman NERUDA. Teoretické otázky neuronových sítí. Vyd. 1. Praha: Matfyzpress, 1996, 390 s. ISBN 80-85863-18-9. info
  • KOHONEN, Teuvo. Self-Organizing Maps. Berlin: Springer-Verlag, 1995, 392 s. Springer Series in Information Sciences 30. ISBN 3-540-58600-8. info
  • HAYKIN, Simon S. Neural Networks : a comprehensive foundation. New York: Macmillan College Publishing Company, 1994, xix, 696. ISBN 0023527617. info
  • Sofsem '88 : sborník referátů : Zotavovna ROH Petr Bezruč, Malenovice, Beskydy 27.11.-9.12.1988. Brno: Ústav výpočetní techniky UJEP Brno, 1988, 363 s. info
Metody hodnocení
Nutnou podmínkou pro zakončení předmětu je absolvování cvičení, které probíhá převážně formou domácího projektu, ve kterém studenti po skupinách (4-6 osob) implementují základní modely neuronových sítí, které následně aplikují na jednoduché úlohy. O své práci referují průběžně na několika společných seminářích a závěrečné výsledky projektu prezentují o zkouškovém dni. Při vlastní ústní zkoušce studenti po (v podstatě časově neomezené) přípravě odpovídají na 1 otázku pokrývající téma vyložené na prednášce a řeší jednoduchý problémový příklad, ke kterému podle potřeby examinátor poskytuje nápovědu. Poctivě naučený student se nemusí ničeho obávat a nepřipravený student obvykle zkoušku sám vzdá.
Další komentáře
Předmět je vyučován jednou za dva roky.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích jaro 2003, jaro 2004, jaro 2007, jaro 2009, jaro 2011, jaro 2012, jaro 2013, jaro 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.