Tento dokument včetně všech odkazů používá kód ASCII

Algoritmy a struktury neuropočítačů - zimní semestr 2017/2018

Program přednášek

  1. Neuronové sítě – historie, biologické a umělé neuronové sítě, jejich využití pro zpracování signálu. Modely neuronu, aktivační funkce.
  2. Principy učení umělých neuronových sítí. Základní typy neuronových sítí (samoorganizující se sítě (SOM), vícevrstvé neuronové sítě (MLNN)
  3. Samoorganizující se sítě (SOM), Kohonenovy mapy.
  4. SOM s učitelem, U-matice, LVQ klasifikátor.
  5. Vícevrstvé sítě - dopředné a Elmanovy, MLNN s učením zpětného šíření chyby (BPG).
  6 Základní učení BPG a jeho modifikace.
  7. Postup práce na projektu řešeném pomocí UNS. Optimalizace UNS. Návrh UNS, Metody Data Mining. Klestění UNS, výběr vstupních dat.
  8. Hluboké neuronové sítě (Deep neural network).
  9. Učení SVM (Support Vector Machine).
  10. UNS a úlohy predikce a klasifikace. Základní pojmy z fonetiky, charakteristiky mluvené řeči, charakteristické vlastnosti patologické řeči.
  11. Speciální struktury (CNN, TDNN, Wavelet sítě, fuzzy-neuronové sítě). Genetické algoritmy.
  12. Aplikace UNS v neurologii, rehabilitačním lékařství a ve vybraných dalších odvětvích medicíny. Zpracování EKG a EEG pomocí UNS.
  13. Aplikace UNS při zpracování řeči a analýze emocí.
  14. Realizace umělých neuronových sítí. Ostatní aplikace neuronových sítí.

Literatura: