Popis předmětu - AD0M31ASN

Přehled studia | Přehled oborů | Všechny skupiny předmětů | Všechny předměty | Seznam rolí | Vysvětlivky               Návod
AD0M31ASN Algoritmy a struktury neuropočítačů Rozsah výuky:14+6c
Garanti:  Role:V Jazyk výuky:CS
Vyučující:  Zakončení:Z,ZK
Zodpovědná katedra:13131 Kreditů:5 Semestr:Z

Anotace:

Cílem předmětu je seznámení se základními principy a možností aplikací neuronové informační technologie při zpracování signálů. Pozornost je věnována úvodu do teorie umělých neuronových sítí a jejich aplikacím, optimalizaci struktury a výběru dat. Podrobněji budou probírány otázky zpracování řečového a signálu a aplikace umělých neuronových sítí při analýze, rozpoznávání a syntéze řeči. Látka je rozšířena o některé aplikace umělých neuronových sítí v biomedicínském inženýrství. Jsou to aplikace související se zpracováním EEG a EKG, ale také otázky související s možnostmi aplikací UNS v rehabilitačním lékařství. další rozšíření se týká základů realizací umělých neuronových sítí.

Výsledek studentské ankety předmětu je zde: AD0M31ASN

Výsledek studentské ankety předmětu je zde: A0M31ASN

Cíle studia:

V počítačově seminárních cvičeních studenti získají praktické zkušenosti s používáním MATLABu, a to Neural Network Toolboxu, a originálního softwaru vytvořeného na katedře v pracovní skupině LANNA, který se týká aplikací MLNN, SOM a jejich variant. Naší snahou je umožnit studentům seznámit se s perspektivními tematickými oblastmi běžnými v zahraničí a pomoci orientovat se budoucím diplomantům v dalších možných tématech diplomových prací z oblasti zpracování signálů za pomoci neuronových sítí, zejména na analýzu, rozpoznání, syntézu řeči (normální i patologické) a na analýzu emocí.

Osnovy přednášek:

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

Osnovy cvičení:

1. Úvod, základy NN-Toolboxu pro MATLAB, informace o samostatných úlohách.
2. Základní funkce UNS, perceptron, ADALINE, MADALINE, LMS pravidlo.
3. Samoorganizující se sítě, SOM s učitelem, U-matice. NN Toolbox, MATLAB.
4. Kohonenovy mapy - SOM Toolbox.. LVQ algoritmy - NN Toolbox, MATLAB.
5. Experimenty s programovým systémem SOM Laboratory.
6. Vrstevnaté neuronové sítě. Zadání samostatných úloh.
7. Algoritmy modifikovaného učení BPG.
8. Experimenty s programovým systémem Speech Laboratory. Práce na samostatné úloze.
9. Odevzdání a prezentace tezí samostatné úlohy - kontrola.
10. Optimalizace neuronové sítě klestěním. Práce na samostatné úloze.
11. Experimentování s parametry neuronové sítě. Práce na samostatné úloze.
12. Práce na samostatné úloze.
13. Realizace UNS pomocí hradlových polí FPGA.
14. Odevzdání samostatné úlohy, zápočet.

Literatura:

1. Tučková, J.: Vybrané aplikace umělých neuronových sítí při zpracování signálů. Monografie, ČVUT v Praze, Česká technika-nakladatelství ČVUT, 2009, ISBN 976-80-01-04229-8
2. Tučková, J.: Úvod do teorie a aplikací umělých neuronových sítí. Skripta FEL ČVUT v Praze, vydavatelství ČVUT, 2005, ISBN 80-01-02800-3.
3. Tučková, J., Bártů, M., Zetocha, P.: Aplikace umělých neuronových sítí při zpracování signálů.Skripta ČVUT v Praze, 2009, ISBN 978-80-01-04400-1.
4. Novák, M. a kol.: Umělé neuronové sítě, teorie a aplikace. C.H.Beck, Praha 1998, ISBN 80-7179-732-6.
5. Knihovna SOM Toolbox 2.0. www.cis.hut.fi/projects/somtoolbox/download.
6. Šnorek, M. Jiřina, M.: Neuronové sítě a neuropočítače. Skripta ČVUT, Praha 1996.
7. Uhlíř, J., Sovka, P.: Číslicové zpracování signálů. Monografie ČVUT, Praha 1995.

Požadavky:

Jsou požadovány základní znalosti ze zpracování řečového a obrazového signálu, MATLAB, aplikace počtu pravděpodobnosti a statistiky. Podmínkou zápočtu je aktivní účast na cvičeních a vypracování samostatné úlohy. Více na http://amber.feld.cvut.cz/SSC.

Poznámka:

Rozsah výuky v kombinované formě studia: 14p+6c

Webová stránka:

http://amber.feld.cvut.cz/ssc

Klíčová slova:

Umělé neuronové sítě (UNS) Aplikace Zpracování signálů

Předmět je zahrnut do těchto studijních plánů:

Plán Obor Role Dop. semestr
MKEEM1 Technologické systémy V
MKEEM5 Ekonomika a řízení elektrotechniky V
MKEEM4 Ekonomika a řízení energetiky V
MKEEM3 Elektroenergetika V
MKEEM2 Elektrické stroje, přístroje a pohony V
MKKME1 Bezdrátové komunikace V
MKKME5 Komunikační systémy V
MKKME4 Sítě elektronických komunikací V
MKKME3 Elektronika V
MKKME2 Multimediální technika V
MKOI1 Umělá inteligence V
MKOI5 Softwarové inženýrství V
MKOI4 Počítačová grafika a interakce V
MKOI3 Počítačové vidění a digitální obraz V
MKOI2 Počítačové inženýrství V
MKKYR4 Letecké a kosmické systémy V
MKKYR1 Robotika V
MKKYR3 Systémy a řízení V
MKKYR2 Senzory a přístrojová technika V


Stránka vytvořena 19.3.2019 17:48:14, semestry: Z,L/2020-1, L/2019-20, Z,L/2018-9, Z/2019-20, připomínky k informační náplni zasílejte správci studijních plánů Návrh a realizace: I. Halaška (K336), J. Novák (K336)
Za obsah odpovídá: doc. Ing. Ivan Jelínek, CSc.