Detail předmětu
Fuzzy systémy a neuronové sítě
FSI-RNF Ak. rok: 2018/2019 Zimní semestr
Kurz seznamuje s nejužívanějšími paradigmaty neuronových sítí, dále se zabývá možnými technicky orientovanými aplikacemi neuronových sítí a jejich praktickým využitím. Výuka teorie se zaměřuje zejména na dynamiku neuronů a zvlášť jejich aktivaci, signály a aktivační modely; na dynamiku synapsí, a to jak na učení bez učitele, tak na učení s učitelem (soutěživé učení, zpětné šíření); architektury sítí a rovnovážný bod sítí. Dále je porovnána neuronová reprezentace a fuzzy reprezentace strukturované znalosti a uvedených poznatků je využito ke konstrukci řídících členů.
Jazyk výuky
čeština
Počet kreditů
7
Garant předmětu
Zajišťuje ústav
Výsledky učení předmětu
Znalost funkce neuronových sítí a přiměřenosti jejich použití při zpracování dat, speciálně při návrhu "inteligentních" řídících členů.
Prerekvizity
Předpokládá se znalost maticového počtu, doporučuje se orientace v optimalizačních metodách a modelování.
Plánované vzdělávací činnosti a výukové metody
Předmět je vyučován formou přednášek, které mají charakter výkladu základních principů a teorie dané disciplíny. Výuka je doplněna laboratorním cvičením.
Způsob a kritéria hodnocení
Požadavky pro udělení zápočtu: aktivní účast na cvičeních a samostatné zpracování projektu zadaného vyučujícím. Zkouška sestává z písemné a ústní části. Písemnou část představuje test se čtyřmi otázkami. Ústní část se skládá z diskuse nad písemnou částí s možnými doplňujícími otázkami. Klasifikace je plně v kompetenci vyučujícího podle platných směrnic VUT v Brně.
Učební cíle
Cílem předmětu je, aby studenti zvládli základy neuronového modelování a všeobecného využití neuronových modelů při zpracování dat i rámec konstukce "inteligentních" řídících členů.
Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky
Účast na přednáškách je žádoucí, na cvičeních povinná. Výuka běží podle týdenních plánů. Způsob nahrazení zameškaných cvičení je plně v kompetenci vyučujícího.
Použití předmětu ve studijních plánech
Program M2A-P: Aplikované vědy v inženýrství, magisterský navazující
obor M-MET: Mechatronika, povinný
Typ (způsob) výuky
Přednáška
26 hod., nepovinná
Vyučující / Lektor
Osnova
1. Konekcionistický model živočišného mozku, neuronové dynamické systémy, obecné signálové funkce, aditivní neuronová dynamika.
2. Aditivní bivalentní modely, obecné neuronové aktivace, učení jako kódování.
3. Základní pravidla učení bez učitele, stochastické učení bez učitele a stochastický rovnovážný stav.
4. Učení s učitelem, učení jako stochastické učení vzorů se známou příslušností ke třídě, jako stochastická aproximace.
5. Algoritmus zpětného šíření.
6. Neuronové sítě jako stochastické gradientní systémy, synaptická konvergence k centroidům.
7. Globální rovnovážný stav: konvergence a stabilita, globální stabilita zpětnovazebních neuronových sítí, strukturální stabilita učení bez učitele.
8. Fuzzy množiny a systémy, neurčitost v pravděpodobnostním prostředí, náhodnost proti víceznačnosti.
9. Fuzzy a neuronové aproximace funkcí, neuronová reprezentace a fuzzy reprezentace strukturované znalosti.
10. Řídící členy založené na matematickém modelu a na aproximátoru.
11. Fuzzy řídící členy.
12. Řídící členy založené na Kalmanově filtru.
13. Shrnutí.