PV021 Neuronové sítě

Fakulta informatiky
jaro 2011
Rozsah
2/0/2. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k.
Vyučující
doc. RNDr. Tomáš Brázdil, Ph.D. (přednášející)
RNDr. Jan Krčál, Ph.D. (pomocník)
Garance
prof. RNDr. Mojmír Křetínský, CSc.
Katedra teorie programování – Fakulta informatiky
Kontaktní osoba: doc. RNDr. Tomáš Brázdil, Ph.D.
Rozvrh
Pá 8:00–9:50 B410
Předpoklady
Doporučeno: znalosti v rozsahu kursů MB000 (Matematická analýza I) a MB003 (Lineární algebra) 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
Cíle předmětu
Student se bude po absolvování předmětu schopen samostatně orientovat v problematice neuronových sítí. Bude schopen samostatně nastudovat a vysvětlit problémy oblasti neuronových sítí. Bude schopen prakticky samostatně i týmově řešit problémy pomocí výsledků z oblasti neuronových sítí. Bude schopen kriticky interpretovat cizí řešení založená na neuronových sítích.
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.
  • Domácí projekt: 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
  • HAYKIN, Simon S. Neural networks and learning machines. 3rd ed. Upper Saddle River: Pearson, 2009, 934 s. ISBN 9780131293762. info
  • KOHONEN, Teuvo. Self-Organizing Maps. Berlin: Springer-Verlag, 1995, 392 s. Springer Series in Information Sciences 30. ISBN 3-540-58600-8. info
Výukové metody
Přednáška, skupinový semestrální projekt
Metody hodnocení
Nutnou podmínkou pro zakončení předmětu je vypracování domácího projektu, ve kterém studenti po skupinách (4-6 osob) implementují základní modely neuronových sítí, které aplikují na jednoduché úlohy. O své práci referují průběžně na několika společných seminářích a výsledný projekt prezentují ke konci semestru. Předmět je zakončen ústní zkouškou.
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích jaro 2003, jaro 2004, jaro 2005, jaro 2007, jaro 2009, 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.