Neuronové sítě 1

• Domů
• O předmětu
• Zápočty
• Poznámky z přednášek a cvičení

Předpokládaný obsah přednášek

1. přednáška 13.2.2024: Úvod do umělých neuronových sítí. Historie, biologická motivace, učení a strojové učení
2. přednáška 20.2.2024 Základní pojmy Formální model neuronu a jeho přenosová funkce, geometrická interpretace, základní typy a topologie neuronových sítí. Perceptron.
3. přednáška 27.2.2024: Perceptron se skokovou přenosovou funkcí. Popis modelu, algoritmy učení, prahový obvod a realizace logických funkcí. Lineární separabilita.
4. přednáška 5.3.2024: Lineární neuron. Popis modelu, algoritmy učení, lineární neuronová síť, souvislost modelu s lineární regresí, lineární klasifikace
5. přednáška 12.3.2024: Dopředná neuronová sít. Popis modelu, přenosové funkce, typy úloh, trénovací data, algoritmus zpětného šíření.
6. přednáška 19.3.2024: Dopředná neuronová sít. Algoritmus zpětného šíření, varianty, analýza, praktické aplikace, úskalí.
7. přednáška 26.3.2024: Asociativní sítě. Modely asociativních sítí (AM, BAM, Hopfield, simulované žíhání, Boltzmannův stroj), Hebbovské učení, praktické příklady.
8. přednáška 2.4.2024: Shluková analýza. Samoorganizující se umělé neuronové sítě
9. přednáška 9.4.2024: Samoorganizující se umělé neuronové sítě. Kompetitivní modely, Kohonenovy mapy, algoritmy učení
10. přednáška 16.4.2024: Hybridní modely. LVQ, Counter-propagation, RBF-model, kaskádová korelace a modulární neuronové sítě
11. přednáška 23.4.2024: Úvod do hlubokých neuronových sítí.
12. přednáška 30.4.2024: Konvoluční neuronové sítě. Architektura, typy vrstev, učení, praktické příklady.
13. přednáška 7.5.2024: Rezerva pro případ, že se nějaké téma protáhne. Konvoluční neuronové sítě.

Předpokládaný obsah cvičení

1. cvičení 15.2.2024: Úvod do MATLABu I, František Gašpar
2. cvičení 22.2.2024: Úvod do MATLABu II, František Gašpar
3. cvičení 29.2.2024: Perceptron se skokovou přenosovou funkcí, implementace, reprezentace boolovských funkcí. Učící algoritmy, praktické příklady.
4. cvičení 7.3.2024: Lineární neuron, obecně neuron se spojitou přenosovou funkcí. Implementace. Učící algoritmy, praktické příklady.
5. cvičení 14.3.2024: Jednovrstvá neuronová síť. Praktické příklady.
6. cvičení 21.3.2024: Dopředná neuronová síť a algoritmus zpětného šíření. Vlastní implementace.
7. cvičení 28.3.2024: Dopředná neuronová síť (vícevrstvý perceptron). Data. Řešení různých typů úloh. Porovnání modelů. Deep Learning Toolbox.
8. cvičení 4.4.2024: Asociativní sítě.
9. cvičení 11.4.2024: Shluková analýza.
10. cvičení 18.4.2024: Samoorganizující se neuronové sítě.
11. cvičení 25.4.2024: Samoorganizující se neuronové sítě. RBF sítě.
12. cvičení 2.5.2024: Hluboké neuronové sítě. Práce s MATLAB Deep Learning toolboxem.
13. cvičení 9.5.2024: Hluboké neuronové sítě. Práce s MATLAB Deep Learning toolboxem.

Podmínky pro získání zápočtu

Na záložce Zápočty.

Rozcestník (předměty o strojovém učení)

• 18NES1 Neuronové sítě 1
  • 2. ročník BS, LS, KSI
  • Úvod do umělých neuronových sítí. Důraz na jednoduché modely a jejich pochopení.
• 18AAIO Aplikace AI pro zpracování obrazu
  • 2. ročník BS, 2.-6. září 2024, 3 kredity
  • Intenzivní týdenní seminář na pracovišti v Děčíně, 2-3členné pracovní skupiny
  • Ubytování zajištěno, kompenzace cestovních a ubytovacích nákladů
• U1USU Úvod do strojového učení
  • 3. ročník BS, ZS, KM
  • Základní modely a metody strojového učení. Digitální zpracování obrazu.
• 18NES2 Neuronové sítě 2
  • 3. ročník BS, zřejmě LS, KSI
  • Hluboké neuronové sítě. Důraz na praktické dovednosti.
• U1SU2 Strojové učení 2
  • 1. ročník NMS, ZS, KM
  • Pokročilé modely a metody strojového učení. Hluboké neuronové sítě a další modely do hloubky :-).
• 18UIA1 Úvod do pokročilých algoritmů
  • 1. ročník NMS, ZS, KSI
  • Další vybrané metody a algoritmy strojového učení a umělé inteligence. Zaměřeno (nejen) na robotiku.
• 18UIA2 Pokročilé algoritmy 2
  • 1. ročník NMS, LS, KSI
  • Další vybrané metody a algoritmy strojového učení a umělé inteligence. Zaměřeno (nejen) na robotiku.
• 18SC Softcomputing
  • 1. ročník NMS, ZS, KSI
  • Fuzzy systémy a související modely neuronových sítí
• 01AOM Aplikace optimalizačních metod
  • 2. ročník NMS, ZS, KM
  • Více o optimalizačních metodách (nejen) pro hluboké neuronové sítě.
• 01NEUR1 Neuronové sítě a jejich aplikace 1
  • 1. ročník NMS, LS, KM
  • Teoretické aspekty neuronových sítí.
• 01NEUR2 Teoretické základy neuronových sítí
  • 2. ročník NMS, ZS, KM
  • Teoretické aspekty neuronových sítí.

Odkazy

Matlab

Matlab online kurzy:

Klasická literatura

Česká literatura

Modernější literatura

Konzultace v semestru

Konzultace v semestru jsou možné po předchozí domluvě (emailem nebo osobně) ve všední dny v čase 9:00-15:00 mimo výuku a mé další povinnosti. Doporučené časy pro konzultaci:

• úterý po přednášce, tj. 10:00-12:00
• čtvrtek před cvičením nebo po cvičení, tj. 9:00-10:00 nebo 12:00-13:00

Kontakt