předmět
|
KMI/UMIN - Umělá inteligence - ZS 2019/2020
|
vyučující
|
přednášející: Radim Bělohlávek,
http://belohlavek.inf.upol.cz/
cvičící: Radim Bělohlávek
|
čas a místo
|
čtvrtek 8:00 - 9:30, LP-1032 (přednáška), 9:30 - 10:15, LP-1032 (cvičení),
|
studijní materiály
|
slajdy a další materiály
|
Budou umísťovány na této stránce.
|
doporučená literatura
|
Viz popis předmětu.
|
|
absolvování předmětu
|
Zápočet: Zápočet bude udělen na základě samostatné práce.
Zadání budou zveřejněna během semestru.
Zkouška: Ústní v termínech vypsaných v systému STAG.
Před zahájením zkoušky musí mít student zápočet.
Student obdrží otázky a bude mít cca 20 min na přípravu (tužka a papír).
Pak půjde k ústnímu zkoušení (cca 25 min).
|
26. 9. 2019
|
|
3. 10. 2019
|
-
Umělé neuronové sítě. Úvod. Biologické principy neuronových sítí.
-
Perceptron. Učení perceptronu a věta o konvergenci. Meze perceptronu.
Sítě perceptronů.
Materiály.
|
10. 10. 2019
|
-
Vícevrstvé neuronové sítě s dopředným šířením signálu. Metoda backpropagation a její varianty.
Univerzální aproximace.
Materiály.
|
17. 10. 2019
|
-
Generalizace a přeučení.
Odvození rovnic pro backpropagation.
-
Asociace a asociativní sítě. Hopfieldovy sítě.
Použití Hopfieldových sítí pro řešení diskrétní optimalizace.
Materiály.
|
24. 10. 2019
|
-
Konvergence činnosti Hopfieldovy sítě; vlastnosti funkce energie.
-
Samoorganizující se neuronové sítě. Kohonenovy mapy. LVQ.
Materiály.
|
24. 10. 2019
|
Témata zápočtových prací (budu přidávat další; student může také navrhnout vlastní téma):
-
Učení perceptronu: demonstrace (aplikace)
-
Konvergence učení preceptronu (písemný referát: teorém, důkaz)
-
Univerzální aproximační schopnost vícevrstvých neuronových sítí (písemný referát: teorém, důkaz)
-
Učení backpropagation (implementace, experimenty, písemný popis)
-
Hopfieldova síť (implementace, experimenty, písemný popis)
-
Použití Hopfieldovy sítě pro řešení úlohy obchodního cestujícího (experimenty, popis)
-
Kompetiční učení (implementace, experiment s reálnými daty, písemný popis)
-
Kohonenovy mapy (implementace, demonstrace snížení dimenzionality 3D -> 2D)
-
Univerzální aproximační schopnost pravidlových fuzzy systémů (písemný referát: teorém, důkaz)
-
Takagi-Sugeno pravidlové fuzzy systémy (písemný referát: popis přístupu)
-
Pravidlové fuzzy systémy (implementace, vývoj jednoduchého systému, popis)
-
MYCIN (písemný referát o významném expertním systému z oblasti lékařství)
-
Genetický algoritmus (implementace GA pro jednoduchý optimalizační problém)
-
Faktorizace binárních dat pomocí formálních konceptů (písemný referát).
-
Faktorizace binárních dat pomocí formálních konceptů (implementace algoritmu GreConD).
-
Společenská rizika umělé inteligence (písemný referát).
-
Dopady AI na trh práce (písemný referát).
What jobs are affected by AI?
The Impact of Artificial Intelligence on the Labor Market.
|
31. 10. 2019
|
-
Samoorganizující se neuronové sítě. Kohonenovy mapy. LVQ.
Materiály.
-
Expertní systémy.
-
Pravidlové fuzzy systémy (if-then rule-based systems) a fuzzy regulátory:
základní pojmy z fuzzy množin a fuzzy relací
(str. 3-4, 7-9, 21-24, 38-42, 45, přehledově 46-61, 95-106 z textu flfs_I.pdf;
str. 2-7, 12-16 z textu flfs_II.pdf),
báze pravidel, inferenční mechanismus, fuzzifikace, defuzzifikace
(rukopis a
str. 42-44, 45-61 z textu flfs_II.pdf).
Univerzální aproximační schopnost.
|
7. 11. 2019
|
|
14. 11. 2019
|
|
21. 11. 2019
|
-
Přednáška ani cvičení se nekoná.
Studenti si projdou výše uvedené doplňující materiály k pravidlovým fuzzy systémům
a části výše uvedených materiálů k hlavní větě o konceptuálních svazech.
|
28. 11. 2019
|
-
Expertní systémy založené na predikátové logice a automatickém dokazování.
Rezoluční metoda a logické programování. Abstraktní a deterministický překladač Prologu.
Materiály.
|
5. 12. 2019
|
|
19. 12. 2019
|
|