angličtina

Student se seznámí s metodami řešení úloh, reprezentace znalostí a se základními typy umělých neuronových sítí.

Jsou požadovány znalosti na úrovni bakalářského studia.

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT.

Studenti jsou hodnoceni průběžně během studia na cvičeních. Za semestr tak mohou získat max. 30 bodů. Podmínkou udělení zápočtu je účast na povinné části výuky.
Závěrečná zkouška je hodnocena max. 70ti body.

Umělá inteligence - úvod, definice UI.
Neuronové sítě - úvod, biologické poznatky o neuronech a neuronových sítí.
Teorie umělých neuronových sítí, modelování a vlastnosti neuronových sítí, paradigmata.
Vrstevnaté NS, metoda Back-Propagation, modifikované algoritmy metody BP.
Asociativní NS, RCE síť, Kohonenovy mapy.
Expertní systémy, struktura a činnost ES, odvozovací mechanismus.
Reprezentace znalostí, řešení úloh a metody UI.
Počítačové vidění, snímání a digitalizace obrazu.
Předzpracování obrazu, lokální filtrace, zvýraznění hran, transformace stupnice šedé.
Segmentace obrazu, prahování, určení hranic mezi oblastmi, narůstání oblastí.
Popis obrazu, popis dvourozměrných objektů, analýza scény.
Příznakové metody rozpoznávání, výběr a uspořádání příznaků, princip činnosti klasifikátoru.
Strukturální metody rozpoznávání, strukturální popis, jazyky,gramatika,syntaktická analýza, inference strukturálního popisu.

Seznámit studenty se základy umělé inteligence, s problematikou umělých neuronových sítí, řešení úloh a reprezentace znalostí.

Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu.