XD31ASN | Algoritmy a struktury neuropočítačů | Rozsah výuky: | 14+4 | ||
---|---|---|---|---|---|
Přednášející (garant): | Tučková J. | Typ předmětu: | Z | Zakončení: | Z,ZK |
Zodpovědná katedra: | 331 | Kreditů: | 5 | Semestr: | Z |
Anotace:
Cílem předmětu je seznámení se základními principy a možností aplikací neuronové informační technologie při zpracování signálu. Pozornost je věnována úvodu do teorie umělých neuronových sítí, výběru a optimalizaci struktury a výběru dat. Podrobněji jsou probírány otázky zpracování řečového signálu a aplikace neuronových sítí při rozpoznání a syntéze řeči. V počítačově seminárních cvičeních studenti získají zkušenosti s používáním
Matlabu, a to Neural Network Toolboxu.
Osnovy přednášek:
1. | Neuronové sítě - historie, biologické a umělé neuronové sítě, jejich využití pro zpracování signálu | |
2. | Modely neuronu, aktivační funkce, principy učení umělých neuronových sítí | |
3. | Vícevrstvé sítě s učením zpětného šíření chyby (BPG) | |
4. | Základní učení BPG a jeho modifikace | |
5. | Optimalizace struktury, klestění neuronové sítě, výběr vstupních dat | |
6. | Asociativní paměti, Hopfieldovy sítě, ART sítě | |
7. | Kohonenovy mapy, LVQ klasifikátor | |
8. | Základní pojmy z fonetiky, charakteristiky mluvené řeči 9. Metody rozpoznání řeči, aplikace neuronových sítí při rozpoznání řeči 10. Princip syntézy řeči, typy syntezátorů | |
11. | Aplikace neuronových sítí při syntéze řeči 12. Speciální struktury (CNN, TDNN, Wavelet sítě, fuzzy-neuronové sítě) | |
13. | Genetické algoritmy | |
14. | Ostatní aplikace neuronových sítí |
Osnovy cvičení:
1. | Úvod, základy NN-Toolboxu pro Matlab, zadání samostatných úloh | |
2. | Základní funkce umělých neuronových sítí, perceptron | |
3. | ADALINE, MADALINE, LMS pravidlo | |
4. | Vrstevnaté neuronové sítě | |
5. | Algoritmy učení zpětného šíření chyby (BPG) | |
6. | Algoritmy modifikovaného učení BPG | |
7. | Asociativní učení, asociativní paměti, Hopfieldovy sítě | |
8. | Samoorganizující se mapy, LVQ algoritmy | |
9. | Odevzdání a prezentace tezí samostatné úlohy - kontrola | |
10. | Optimalizace neuronové sítě klestěním | |
11. | Práce na samostatné úloze | |
12. | Práce na samostatné úloze | |
13. | Práce na samostatné úloze | |
14. | Odevzdání samostatné úlohy, zápočet |
Literatura Č:
1. | Novák, M. a kol.: Umělé neuronové sítě, teorie a aplikace. C.H.Beck, Praha 1998, ISBN 80-7179-132-6 | |
2. | Šnorek, M., Jiřina, M.: Neuronové sítě a neuropočítače. Skripta ČVUT, Praha 1996 | |
3. | Uhlíř, J., Sovka, P.: Číslicové zpracování signálů. Monografie ČVUT, Praha 1995 | |
4. | Ptáček, M.: Vybrané statě z akustiky řeči. Elektronický záznam přednášek pro posluchače FEL ČVUT Praha, 1993 |
Literatura A:
1. | Haykin, S.: Neural Networks. A Comprehensive Foundation. Macmillan College Publishing Company, Inc. USA, 1994 | |
2. | Kohonen, T.: Self-Organization and Associative Memory. Springer Series in Information Sciences, Berlin, 1984, 1988 | |
3. | Simpson, P.K.: Artificial Neural Systems. Foundations Paradigms, Applications and Implementations. Pergamon Press, 1990 |
Požadavky:
Vytvoření vlastního m-souboru v Matlabu, obhajoba způsobu řešení úlohy.
Předmět je zahrnut do těchto studijních plánů:
|
Stránka vytvořena 25. 2. 2002, semestry: Z/2001-2, Z/2002-3, L/2001-2, L/2002-3, připomínky k informační náplni zasílejte správci studijních plánů | Návrh a realizace: I. Halaška (K336), J. Novák (K336) |