čeština

Absolvent předmětu by měl být schopen:
- vysvětlit rozdíly mezi pojmy data, informace a znalosti,
- vysvětlit architekturu a funkčnost expertních systémů,
- vytvořit bázi znalosti pro expertní systém NPS32,
- zvolit oblasti použití expertních systémů,
- vysvětlit paradigma vícevrstvé neuronové sítě s učením backpropagation,
- diskutovat nastavení jednotlivých parametrů neuronové sítě,
- aplikovat vícevrstvou neuronovou síť s učením backpropagation,
- navrhnout řešení optimalizační úlohy pomocí genetických algoritmů,
- aplikovat optickou informaci v technických zařízení.

Jsou požadovány znalosti na úrovni středoškolského studia.

Metody vyučování zahrnují přednášky a cvičení na počítači. Student odevzdává sedm samostatných projektů.

Podmínkou udělení zápočtu je 100% účast na povinné části výuky - počítačová cvičení. Studenti jsou hodnoceni průběžně během studia ve cvičeních. Za semestr tak mohou získat maximálně 30 bodů. Závěrečná písemná zkouška je hodnocena maximálně 60ti body, ústní zkouška maximálně 10ti body.

1. Automatizace - význam, prostředky, technická kybernetika.
2. Data, informace, znalosti - definice, příklady.
3. Expertní systémy - definice, architektura, teoretické zdroje, charakteristické rysy, inferenční mechanismus, tvorba báze znalostí, získávání znalostí, průběh konzultace, aplikace.
4. Umělé neuronové sítě - definice, neuron, topologie, paradigmata, vícevrstvá neuronová síť, učení backpropagation, aktivace, vlastnosti.
5. Průmysl 4.0 - úvod do problematiky, základní pojmy.
6. Tvorba a řešení inovačních zadání - analýza objektu zdokonalování a formulace inovačních zadání, řešení invenčích úloh s podporou expertního systému a informací z patentových databází.
7. Počítačové vidění - předzpracování obrazu, segmentace, popis obrazu, klasifikace.

Cílem kurzu je seznámit studenty s moderními metodami a prostředky v automatizaci. Získat znalosti a zkušenosti zpracováním obrazové informace, ve strojovém učení, použitím neuronových sítí a expertních systémů v automatizaci.

Počítačová cvičení jsou povinná, řádně omluvené zmeškané počítačové cvičení lze po domluvě s vyučujícím nahradit.

Berka P. a kol.: Expertní systémy. Skripta, VŠE Praha, 1998. (CS)
Hlaváč V.- Šonka M.: Počítačové vidění. Grada 1992,Praha,ISBN 80-85424-67-3 (CS)
Mařík V.-Štěpánková O.-Lažanský J.:Umělá inteligence 1. ACADEMIA 1993,Praha,ISBN 80-200-0496-3 (CS)
Mařík V.-Štěpánková O.-Lažanský J.:Umělá inteligence 2. ACADEMIA 1997,Praha,ISBN 80-200-0504-8 (CS)
Šíma J., Neruda R.: Teoretické otázky neuronových sítí. Matfyzpress, Praha 1996 (CS)

Kasabov,N.K.: Foundations of Neural Networks, Fuzzy systems and Knowledge Engineering.The MIT Press,1996,ISBN 0-262-11212-4 (EN)
Schalkoff,R.J.:Artificial Neural Networks. The MIT Press,1997,ISBN 0-07-115554-6 (EN)
Sonka M., Hlavac V., Boyle R.: Image Processing, Analysis and Machine Vision. Thomson, 2008, ISBN (EN)