PV069 Hybridní systémy strojového učení

Fakulta informatiky
jaro 2003
Rozsah
2/1. 3 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
doc. Ing. Jan Žižka, CSc. (přednášející)
Garance
prof. PhDr. Karel Pala, CSc.
Katedra strojového učení a zpracování dat – Fakulta informatiky
Kontaktní osoba: doc. Ing. Jan Žižka, CSc.
Rozvrh
St 12:00–13:50 B116, Čt 13:00–14:50 A107
Předpoklady
! P069 Hybridní systémy strojového uč
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Předmět se zabývá úvodem do umělých neuronových sítí z hlediska pochopení základních konceptů a praktického využití. Těžiště je zaměřeno na využití kombinovaných (hybridních) metod strojového učení jak pro účely aplikací, tak pro automatizovanou podporu vytváření učících algoritmů vybranými metodami strojového učení.
Osnova
  • Umělé perceptrony a neuronové sítě. Základní algoritmy učení, delta pravidlo, zpětné šíření chyb. Vlastnosti základních modelů neuronových sítí, problém přetrénování a návrhu sítě. Radiální bázové funkce a RBF sítě.
  • Transformace rozhodovacích stromů na neuronové sítě, inicializace vah.
  • Genetické algoritmy, kombinace s neuronovými sítěmi, optimalizace vah.
  • Hybridní neuronové sítě, kombinace vstupů a vah pomocí t-norem a t-konorem. AND a OR fuzzy neuron. Fuzzy neuronové sítě. Architektura ANFIS, NEFCON. Neuro-fuzzy klasifikátory. Optimalizace tvaru a umístění fuzzy množin v pravidlech typu IF-THEN.
  • Hebbovo učící pravidlo. Rekurentní sítě, Hopfieldovy sítě. Jiné typy sítí.
  • Příklady aplikací.
Literatura
  • MITCHELL, Tom M. Machine learning. Boston: McGraw-Hill, 1997, xv, 414. ISBN 0070428077. info
Metody hodnocení
Výuka formou přednášek a cvičení. Zkouška písemná.
Předmět je zařazen také v obdobích jaro 2004, jaro 2006, jaro 2007.