Cíle předmětu (anotace):
|
Seznámit studenty s problematikou neuronových sítí počínaje biologickými neuronovými sítěmi a mozkem jako komplexním systémem. Dále se jedná o model neuronu a navazující základní struktury neuronových sítí jako Hopfieldova síť, Hammingova síť, perceptron, vícevrstvý perceptron, Kohonenovy samoorganizující mapy a další. Druhou oblastí jsou fuzzy systémy založené na teorii fuzzy množin. Součástí je jejich použití v regulátorech. Probrány budou bloky fuzzyfikace a deffuzyfikace a fuzzy pravidla. Kromě speciálních typů neuronových sítí pro určité konkrétní aplikace budou předvedeny i praktická aplikace fuzzy-metod v praktickém nasazení.
|
Požadavky na studenta
|
Požadavky k zápočtu: - Absolvování cvičení a prokázání znalosti procvičované látky - Vypracování semestrální práce Další požadavky k zápočtu budou upřesněny na prvním cvičení.
|
Obsah
|
Biologické neuronové sítě, mozek. Model neuronu. Hopfieldova síť. Hammingova síť. Perceptron. Vícevrstvý perceptron. Kohonenovy samoorganizující mapy. Fuzzy množiny, použití regulátorů. Fuzzyfikace a deffuzyfikace Speciální typy neuronových sítí v určitých aplikacích Praktická aplikace fuzzy-metod Aplikace konkrétních metod v praktickém nasazení.
|
Aktivity
|
|
Studijní opory
|
Studentům je k dispozici kurz v Google Classroom se všemi podstatnými informacemi a materiály, další materiály jsou k dispozici na Courseware ZČU.
|
Garanti a vyučující
|
|
Literatura
|
|
Časová náročnost
|
Všechny formy studia
|
Aktivity
|
Časová náročnost aktivity [h]
|
Příprava prezentace (referátu) [3-8]
|
10
|
Příprava na zkoušku [10-60]
|
40
|
Praktická výuka [vyjádření počtem hodin]
|
26
|
Kontaktní výuka
|
26
|
Příprava na souhrnný test [6-30]
|
30
|
Celkem
|
132
|
|
Předpoklady
|
Odborné znalosti - pro úspěšné zvládnutí předmětu se předpokládá, že je student před zahájením výuky schopen: |
zvládnout programu Matlab na základní aplikační úrovni |
Odborné dovednosti - pro úspěšné zvládnutí předmětu se předpokládá, že student před zahájením výuky dokáže: |
využit grafického výstupu v rámci prostředí Matlab |
|
Výsledky učení
|
Odborné znalosti - po absolvování předmětu prokazuje student znalosti: |
identifikovat základní schémata činnosti biologických neuronových sítí včetně nejsložitějšího systému představovaného mozkem |
srovnat jednotlivé druhy neuronových sítí |
Odborné dovednosti - po absolvování předmětu prokazuje student dovednosti: |
aplikovat znalosti specializovaného toolboxu NeuralNet v prostředí Matlab pro řešení úloh neuronových sítí |
navrhnout a ověřit parametry nastavující neuronovou síť především pro optimální postup učení |
navrhnout vhodný typ neuronové sítě pro řešení konkrétní úlohy |
odhadnout náročnost vykonávání použitých algoritmů s ohledem na nastavené parametry učení a výkon použitého výpočetního systému |
navrhnout a ověřit parametry procesu fuzzyfikace a defuzzyfikace ve zvoleném typu fuzzy regulátoru |
Obecné způsobilosti - po absolvování předmětu je student schopen: |
mgr. studium: samostatně a odpovědně se rozhodují v nových nebo měnících se souvislostech nebo v zásadně se vyvíjejícím prostředí s přihlédnutím k širším společenským důsledkům jejich rozhodování, |
|
Hodnoticí metody
|
Odborné znalosti - odborné znalosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Kombinovaná zkouška, |
Test, |
Odborné dovednosti - odborné dovednosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Seminární práce, |
Obecné způsobilosti - obecné způsobilosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Individuální prezentace, |
|
Vyučovací metody
|
Odborné znalosti - pro dosažení odborných znalostí jsou užívány vyučovací metody: |
Přednáška založená na výkladu, |
Cvičení (praktické činnosti), |
Řešení problémů, |
Samostatná práce studentů, |
Odborné dovednosti - pro dosažení odborných dovedností jsou užívány vyučovací metody: |
Cvičení (praktické činnosti), |
Laboratorní praktika, |
Obecné způsobilosti - pro dosažení obecných způsobilostí jsou užívány vyučovací metody: |
Cvičení (praktické činnosti), |
|