Detail předmětu
Implementace algoritmů umělé inteligence
FSI-SAL-AAk. rok: 2024/2025
Kurz je určen pro studenty matematického inženýrství a obsahuje teorii vícehodnotové logiky, slovní proměnné a slovních modelů a teorii expertních systémů. Součástí předmětu je i praktické navržení expertního systému založeného na Lukasiewiczově nebo Mamdaniho logice.
Druhá část kurzu je věnována strojovému učení a neuronovým sítím, které jsou používány pro moderní aplikace expertních systémů. Studenti se seznámí se základní terminologií, dále s různými druhy a jejich použití pro aplikace (analýza řeči, obrazu, atd.)
Jazyk výuky
Počet kreditů
Garant předmětu
Zajišťuje ústav
Vstupní znalosti
Matematická logika.
Teorie fuzzy množin.
Pravidla hodnocení a ukončení předmětu
Klasifikovaný zápočet na základě odevzdání semestrální práce (70 procent) a ústního zkoušení probrané teorie (30 procent).
Účast na výuce je povinná, v případě absence je nutné vypracovat náhradní úkoly.
Učební cíle
Cílem kurzu je seznámit studenty s metodami vícehodnotové logiky a tvorby expertních systémů. Dále se studenti naučí navrhnout jednoduchý systém založený na strojovém učení a seznámí se s teoretickými i praktickými základy neuronových sítí.
- Terminologie a vysvětlení pojmů vícehodnotové logiky.
- Zavedení slovních modelů, návrh expertního systému.
- Metody strojového učení.
- Neuronové sítě (NN) - základní vlastnosti a pojmy.
- Využití NN pro analýzu textu, řeči, obrazu (CNN). Návrh vlastní neuronové sítě bez i s použitím předtrénovaných modelů.
Základní literatura
Druckmüller, M.: Technické aplikace vícehodnotové logiky, PC- DIR , Brno 1998
Jackson P.: Introduction to Expert Systems, Addison-Wesley 1999
Doporučená literatura
Typ (způsob) výuky
Přednáška
Vyučující / Lektor
Osnova
1. Vícehodnotová logika, formule, pravdivostní ohodnocení.
2. T-normy, T-konormy, zobecněné implikace.
3. Slovní proměnné a slovní modely, znalostní báze expertního systému.
4. Lukasiewiczova logika, Mamdaniho princip.
5. Inferenční mechanismus a jeho implementace, redundance a spory ve znalostní bázi, problém pokrytí definičního oboru znalostní bází.
6. Návrh expertního systému.
7. Strojové učení (rozhodovací stromy, kNN metody, Support Vector Machine).
8.- 9. Analýza textu, chatbot.
10. Základy neuronových sítí, návrh. Práce s vícevrstevnými neuronovými sítěmi (Deep Learning).
11. Konvoluční neuronové sítě (CNN) .
12.-13. Práce na semestrálním projektu, konzultace.
Cvičení s počítačovou podporou
Vyučující / Lektor
Osnova
Témata na práci ve cvičeních jsou úzce spjata s přednášenou látkou. V rámci počítačových cvičení budou jednotlivé oblasti implementovány v softwaru Matlab, event. Python. Pro návrh chatbota bude použit IBM Watson Assistant.
1. Vícehodnotová logika, formule, pravdivostní ohodnocení.
2. T-normy, T-konormy, zobecněné implikace.
3. Slovní proměnné a slovní modely, znalostní báze expertního systému.
4. Lukasiewiczova logika, Mamdaniho princip.
5. Inferenční mechanismus a jeho implementace, redundance a spory ve znalostní bázi, problém pokrytí definičního oboru znalostní bází.
6. Návrh expertního systému.
7. Strojové učení (rozhodovací stromy, kNN metody, Support Vector Machine).
8.- 9. Analýza textu, chatbot.
10. Základy neuronových sítí, návrh. Práce s vícevrstevnými neuronovými sítěmi (Deep Learning).
11. Konvoluční neuronové sítě (CNN) .
12.-13. Práce na semestrálním projektu, konzultace.