FI:PV069 Hybridní systémy strojového uč - Informace o předmětu

PV069 Hybridní systémy strojového učení

Rozsah

2/1. 3 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.

Vyučující

doc. Ing. Jan Žižka, CSc. (přednášející)
Mgr. Tomáš Hudík (cvičící)

Garance

prof. RNDr. Jiří Hřebíček, CSc.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: doc. Ing. Jan Žižka, CSc.

Rozvrh

Čt 16:00–17:50 B411 a každé liché pondělí 18:00–19:50 B117

Předpoklady

! P069 Hybridní systémy strojového uč

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Aplikovaná informatika (program FI, B-AP)
• Aplikovaná informatika (program FI, N-AP)
• Informatika a druhý obor (program FI, B-BI)
• Informatika a druhý obor (program FI, B-FY)
• Informatika a druhý obor (program FI, B-GE)
• Informatika a druhý obor (program FI, B-GK)
• Informatika a druhý obor (program FI, B-CH)
• Informatika a druhý obor (program FI, B-IO)
• Informatika a druhý obor (program FI, B-MA)
• Informatika a druhý obor (program FI, B-SO)
• Informatika a druhý obor (program FI, B-TV)
• Informatika (program FI, B-IN)
• Informatika (program FI, M-IN)
• Informatika (program FI, N-IN)
• Učitelství výpočetní techniky pro střední školy (program FI, M-SS)
• Učitelství výpočetní techniky pro střední školy (program FI, M-TV)
• Učitelství výpočetní techniky pro střední školy (program FI, N-SS)

Cíle předmětu

Předmět se zabývá úvodem do umělých neuronových sítí z hlediska pochopení základních konceptů a možných aplikací. Zaměření je na potenciální 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.
• Rekurentní sítě, Hopfieldovy sítě, lavinové sítě. Jiné typy sítí.
• Příklady aplikací.

Literatura

• MITCHELL, Tom M. Machine learning. Boston: McGraw-Hill, 1997, xv, 414. ISBN 0070428077. info

Metody hodnocení

Předmět je ukončen písemnou zkouškou. Cvičení je samostatné na základě zadaných úloh (ověření si vlastností probíraných algoritmů pomocí poskytnutých dat a demonstračního software). Cvičení jsou ohodnocena a tvoří část výsledného hodnocení spolu s písemnou zkouškou. Pokud student/ka neodevzdá výsledky žádného cvičení, nemůže předmět řádně ukončit (pouze písemka nestačí); výsledky se odevzdávají elektronicky.

Další komentáře

Studijní materiály

• Statistika zápisu (nejnovější)
  
• Permalink: https://is.muni.cz/predmet/fi/jaro2007/PV069