Radim Belohlavek
home | curriculum vitae | publications | teaching | miscellanea

stránky předmětu KMI/UMIN - Umělá inteligence- ZS 2022/2023
základní informace | popis předmětu | poznámky k přednáškám

základní informace

předmět KMI/UMIN - Umělá inteligence - ZS 2022/2023
vyučující přednášející: Radim Bělohlávek, http://belohlavek.inf.upol.cz/
cvičící: Radim Bělohlávek
čas a místo čtvrtek 17:30 - 19:00, LP-1033 (přednáška), 19:00 - 19:45, LP-1033 (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).

popis předmětu

Viz informace o předmětu v systému STAG, který je součástí Portálu Univerzity Palackého. Obsahuje základní informace o předmětu včetně následujících:

poznámky k přednáškám

Budou doplňovány během semestru.
22. 9. 2022
6. 10. 2022
    Zápočet bude udělen za vypracování a přednesení referátu na jedno z níže uvedených témat, případně na jiné téma, které student sám navrhne. Student najde k tématu podklady, téma se mnou případně probere a před odevzdáním a přednesením referátu mi pošle vypracovaný referát k připomínkám. Referát student přednese tak, aby mu rozuměli ostatní studenti; při prezentaci je vhodné použít slajdy.
    Témata referátů:
    1. Učení perceptronu.
      Vypracovat program, který demonstruje učení perceptronu.
    2. Konvergence učení preceptronu.
      Písemný referát: teorém, důkaz.
    3. Univerzální aproximační schopnost vícevrstvých neuronových sítí
      Písemný referát: teorém, důkaz.
    4. Učení backpropagation.
      Implementace, experimenty, stručný písemný referát s popisem metody a experimentů.
    5. Složitost učení neuronových sítí.
      Písemný referát na volené téma z knihy Šíma, Neruda, Teoretické otázky neuronových sítí.
    6. RBF sítě.
      Písemný referát: popis RBF sítí, učení a vlastnosti.
    7. Hopfieldova síť.
      Implementace, experimenty, stručný písemný referát s popisem metody a experimentů.
    8. Použití Hopfieldovy sítě pro řešení úlohy obchodního cestujícího.
      Implementace, experimenty, stručný písemný referát s popisem metody a experimentů.
    9. Kompetiční učení. Implementace, experimenty, stručný písemný referát s popisem metody a experimentů.
    10. Kohonenovy mapy.
      Implementace, demonstrace snížení dimenzionality 3D -> 2D.
    11. Univerzální aproximační schopnost pravidlových fuzzy systémů.
      Písemný referát: teorém, důkaz.
    12. Takagi-Sugeno pravidlové fuzzy systémy.
      Písemný referát: popis přístupu.
    13. Pravidlové fuzzy systémy.
      Implementace, vývoj jednoduchého systému pro zvolený problém, stručný písemný referát s popisem metody a experimentů.
    14. MYCIN.
      Písemný referát o významném expertním systému z oblasti lékařství.
    15. Genetický algoritmus.
      Implementace pro zvolený optimalizační problém, stručný písemný referát s popisem experimentů.
    16. Faktorizace binárních dat pomocí formálních konceptů.
      Písemný referát.
    17. Faktorizace binárních dat pomocí formálních konceptů.
      Implementace algoritmu GreConD.
    18. Společenská rizika umělé inteligence.
      Písemný referát na základě materiálů, které si student sám vyhledá.
    19. Ekonomické dopady umělé inteligence.
      Písemný referát na základě materiálů, které si student sám vyhledá.
    20. Dopady AI na trh práce.
      Písemný referát ná základě článku What jobs are affected by AI? The Impact of Artificial Intelligence on the Labor Market.
    21. Referát na téma vybrané z knihy N. Bostrom, Superintelligence: Paths, Dangers, Strategies (Oxford U. Press, 2014), české vydání Prostor, 2017.
13. 10. 2022
  • Umělé neuronové sítě. Úvod. Biologické principy neuronových sítí.
  • Perceptron. Učení perceptronu a věta o konvergenci. Meze perceptronu. Sítě perceptronů. Materiály.
  • Vícevrstvé neuronové sítě s dopředným šířením signálu. Metoda backpropagation a její varianty. Materiály.
20. 10. 2022
  • Vícevrstvé neuronové sítě s dopředným šířením signálu. Univerzální aproximace. Generalizace a přeučení. Materiály.
  • Asociace a asociativní sítě. Hopfieldovy sítě. Konvergence činnosti Hopfieldovy sítě; vlastnosti funkce energie. Použití Hopfieldových sítí pro řešení diskrétní optimalizace (pouze přehledově, nepovinné). Materiály.
  • Samoorganizující se neuronové sítě. Kohonenovy mapy (toto pouze přehledově). LVQ a klasifikace. Materiály.
27. 10. 2022
3. 11. 2022
  • Fuzzy logika, pravidlové fuzzy systémy (if-then rule-based systems) a fuzzy regulátory: báze pravidel, inferenční mechanismus, fuzzifikace, defuzzifikace, univerzální aproximační schopnost (rukopis a str. 42-44, 45-60 z textu flfs_II.pdf).
10. 11. 2022
24. 11. 2022
1. 12. 2022
8. 12. 2022
  • Prezentace zápočtových témat.
15. 12. 2022
  • Prezentace zápočtových témat.



home | curriculum vitae | publications | teaching | miscellanea

Last update Dec 2, 2022. Copyright © Radim Belohlavek.