Přírodou inspirované metody umělé inteligence
|
|
- Květoslava Jarošová
- před 8 lety
- Počet zobrazení:
Transkript
1 Přírodou inspirované metody umělé inteligence Roman Neruda Ústav informatiky AVČR Nové Hrady, červenec 2012
2 Od Darwina a Mendela...
3 ... k inteligentním agentům.
4 Umělá inteligence
5 2 přístupy Inteligence: schopnost individua účelně jednat, rozumně myslet a efektivně se vyrovnávat se svým o a. The capacity to acquire and apply knowledge. b. The faculty of thought and reason. Silná: cílem je stvořit umělý myslící systém Slabá: systémy, které se chovají v určitém kontextu inteligentně
6 Turingův stroj a test Alan Turing základy teorie výpočtů, Turingův stroj Turingův test: Poznat muže/ženu Poznat člověka/stroj Eliza Paradox čínského pokoje
7 Umělá inteligence Inteligentní chování Učení Schopnost adaptace Řízení Plánování Rozpoznávání (řeč, písmo, obrázky) Symbolická Expertní systémy, formální logika Výpočetní Neuronové sítě Evoluční algoritmy Fuzzy logika
8 Umělý život
9 Podstata života? Kombinace 4 elementů Voda, vzduch, oheň, zem (Empedokles) Duše/psyche/anima (Demokritos) 3 duše (Aristoteles) Nic (Descartes) Élan vital (Bergson) Elektřina (M. Shelly)
10 Dnešní biologie Živé organismy lze charakterizovat jako strukturálně vysoce složité, hierarchicky uspořádané, termodynamicky otevřené a autoregulující se nukleoproteinové soustavy, jejichž podstatnými vlastnostmi jsou metabolismus, autoreprodukce a schopnost vyvíjet se. (Rozsypal a kol, 1994) Things with the capacity for metabolism and motion. Life is a self-sustained chemical system capable of undergoing Darwinian evolution. Life is matter that can reproduce itself and evolve as survival dictates.
11 A-life, život jaký by mohl být Studuje základní rysy, procesy a zákony života Pomocí počítačových modelů, hardwarových robotů a biochemických technologií Soft, hard, wet
12 Celulární automaty Von Neumann: Sebereplikující se roboti Matematický model CA Studium chaotického chování, emergence
13 Řád chaosu Lindenmayerovy systémy Popis rostoucích struktur pomocí formálních gramatik Nástroj k modelování růstu rostlin, (X F-[[X]+X]+F[+FX]-X), (F FF)
14 Hejna, stáda, roje Craig Reynolds: boid Pohyb hejn ptáků se dá popsat 3 jednoduchými pravidly Aplikace v počítačové grafice Aplikace v řešení úloh umělé inteligence Mravenčí algoritmy: nepřímá komunikace
15 Tierra, svět je operační systém T. S. Ray simulace ekologických vztahů v počítači: Živočich = sebereplikující se software Zdroje = paměť a čas procesoru Evoluce = mutace, vymírání Parazitismus
16 Karl Simms, operační systém je svět Karl Simms: vývoj abstraktních organismů s reálnými fyzikálními zákony Řízení neuronovou sítí Emergence chování pohyb, plavání, V 90.letech superpočítač, dnes PC (3DVCE)
17 Golem, roboti už jdou Spojení evoluce a 3D tiskárny Evoluce robotických živočichů řízených umělou neuronovou sítí v SW simulátoru Realizace a testování v HW prototypu
18 Budoucnost patří bakteriím? Martyn Amos: DNA computing Zákodujme problém do DNA, Nechme přírodu počítat Bio-počítač hraje piškvorky Řešení problému obchodního cestujícího pomocí svítící E.coli
19 Umělé neuronové sítě
20 Perceptron 1943: McCulloch, Pitts: formální neuron 1958: Rosenblatt: perceptron Lineárně separabilní Učící algoritmus Důkaz konvergence Hardware
21 XOR 1969: Minsky, Pappert: Perceptrons. Neumí XOR Sítě s více vrstavmi asi nejde učit Konec NS na 15 let Kohonen, Hopfield, Grossberg, Amari, Ruso
22 Back Propagation Učení sítě = nastavení hodnot vah dle tréningov Učení s učitelem Nelineární optimalizace - minimalizace chyby Metoda největšího spádu, apod. Derivaci de/dw lze odvodit
23 Evoluční algoritmy
24 Princip Genetických Algoritmů Gen = zakódované řešení problému Fitness Populace genů Selekce: Ruleta Turnaje Mutace Křížení
25 Genetické programování Evoluce programů Reprezentace syntaktickými stromy S-expressions, LISP Křížení, Mutace, Procedury
26 Proč evoluce funguje? Mutace = náhodné změny Selekce = pohyb správným směrem Věta o schématech: GA rekombinují kompaktní parciální řešení při hledání optima. Nadějná Implicitní paralelismus: GA s n jedinci v populaci pracuje zh Křížení: výměna informací Zabraňuje uvíznutí v lokálních minimech.
27 Roboti
28 Khepera (2000 př.n.l.)
29 Khepera (2000 n.l.)
30 průměr 7cm, výška 3cm váha 80g, uveze 250g rychlost 0,02 m/s 0,5 m/s procesor Motorola 68331, 25MHz 512KB RAM 2 servo motorky 8 aktivních infra čidel (5cm dosah) moduly (věže) pro komunikaci, zrak, hmat Khepera HW
31 Jak řídit Kheperu pomocí NS
32 Jak učit NS pomocí GA Učitel nehodnotí každý krok (nejde to) Evidují se 'správné' a 'špatné' typy chování To je zakódováno v účelové funkci (fitness) GA Hlavní problém GA v ER: volba fitness obecná vs. konkrétní více kritérií najednou(multiobjective optimization) Softwarová simulace Desítky pokusů, stovky jedinců, tisíce generací
33 Budoucnost?
34 Inteligentní agenti
35 Wearable computing
36 Kyborgové?
37 V rámci umělé inteligence: hybridní metody Soft computing: EA+NS+Fuzzy Soft + tradiční UI (symbolická) Soft + hard computing (numerika, statistika) V IT: inteligentní (adaptivní) agenti Autonomní software, Mobilní, komunikativní, sociální Nálady, emoce, model dle lidské mysli Kolem nás: všudypřítomné počítače Smart devices, ubiquitus, wearable computing V nás: Kyborgové, DNA computing (?)
Evoluční algoritmy a umělý život
Evoluční algoritmy a umělý život Roman Neruda Ústav informatiky AVČR roman@cs.cas.cz Olomouc, červen 2012 Od Darwina a Mendela... ... k inteligentním agentům. Umělý život Odkazy: Steven Levy: Artificial
VíceBiologicky inspirované výpočty. Schématické rozdělení problematiky a výuky
Biologicky inspirované výpočty Schématické rozdělení problematiky a výuky 1 Biologicky inspirované výpočty - struktura problematiky Evoluční systémy: evoluční algoritmy, evoluční hardware, víceúčelová
VíceGenetické algoritmy a jejich praktické využití
Genetické algoritmy a jejich praktické využití Pavel Šturc PB016 Úvod do umělé inteligence 21.12.2012 Osnova Vznik a účel GA Princip fungování GA Praktické využití Budoucnost GA Vznik a účel GA Darwinova
VíceEmergence chování robotických agentů: neuroevoluce
Emergence chování robotických agentů: neuroevoluce Petra Vidnerová, Stanislav Slušný, Roman Neruda Ústav Informatiky, AV ČR Kognice a umělý život VIII Praha 28. 5. 2008 Evoluční robotika: EA & neuronové
VíceMasarykova univerzita. Fakulta informatiky. Evoluce pohybu
Masarykova univerzita Fakulta informatiky Evoluce pohybu IV109 Tomáš Kotula, 265 287 Brno, 2009 Úvod Pohyb je jedním ze základních projevů života. Zdá se tedy logické, že stejně jako ostatní vlastnosti
VíceH. Dreyfuss: What computers can t do, 1972 What computers still can t do, J. Weizenbaum. Computer power and human reason, 1976
Klasická AI připomenutí Meze klasické umělé inteligence Modelování mysli na logicko-symbolické úrovni. Modelování shora dolů. Reprezentacionalizmus Churchova teze: Použitelnost počítačů je omezena na ty
VíceExpertní Systémy. Umělá inteligence. 1950 Alan Turing: Computing Machinery and Intelligence. Mind 59, 1950, s.433-460
Umělá inteligence Věda, jejímž úkolem je naučit stroje, aby dělaly věci, které vyžadují inteligenci, jsouli prováděny člověkem. Marvin Minsky 1950 Alan Turing: Computing Machinery and Intelligence. Mind
VíceFakulta přírodovědně-humanitní a pedagogická. Okruhy otázek pro státní závěrečné zkoušky. Bakalářské studium
Fakulta přírodovědně-humanitní a pedagogická Okruhy otázek pro státní závěrečné zkoušky Bakalářské studium Informatika se zaměřením na vzdělávání Bc. Matematika: Funkce, její průběh a vlastnosti. Popisná
VíceGramatická evoluce a softwarový projekt AGE
Gramatická evoluce a softwarový projekt AGE Adam Nohejl Matematicko-fyzikální fakulta Univerzita Karlova v Praze http://nohejl.name/ 4. 4. 2010 Poznámka: Prezentace založené na variantách těchto slajdů
VíceUMÌLÁ INTELIGENCE V MODELOVÁNÍ A ØÍZENÍ Miroslav POKORNÝ Praha 1996, BEN Miroslav Pokorný UMÌLÁ INTELIGENCE V MODELOVÁNÍ A ØÍZENÍ Bez pøedchozího písemného svolení nakladatelství nesmí být kterákoli èást
VíceJak se matematika poučila v biologii
Jak se matematika poučila v biologii René Kalus IT4Innovations, VŠB TUO Role matematiky v (nejen) přírodních vědách Matematika inspirující a sloužící jazyk pro komunikaci s přírodou V 4 3 r 3 Matematika
Více1. Úvod do genetických algoritmů (GA)
Obsah 1. Úvod do genetických algoritmů (GA)... 2 1.1 Základní informace... 2 1.2 Výstupy z učení... 2 1.3 Základní pomy genetických algoritmů... 2 1.3.1 Úvod... 2 1.3.2 Základní pomy... 2 1.3.3 Operátor
VíceOBSAH 1 Pøedmluva 19 2 Evoluèní algoritmy: nástin 25 2.1 Centrální dogma evoluèních výpoèetních technik... 26 2.2 Chcete vìdìt víc?... 29 3 Historická fakta trochu jinak 31 3.1 Pár zajímavých faktù...
Více1 VZNIK, VÝVOJ A DEFINICE MECHATRONIKY
1 VZNIK, VÝVOJ A DEFINICE MECHATRONIKY 1.1 VÝVOJ MECHATRONIKY Ve vývoji mechatroniky lze vysledovat tři období: 1. etapa polovina 70. let, Japonsko, založení nového oboru shrnuje poznatky z mechaniky,
VíceNeuronové sítě Ladislav Horký Karel Břinda
Neuronové sítě Ladislav Horký Karel Břinda Obsah Úvod, historie Modely neuronu, aktivační funkce Topologie sítí Principy učení Konkrétní typy sítí s ukázkami v prostředí Wolfram Mathematica Praktické aplikace
VíceVytěžování znalostí z dat
Pavel Kordík, Josef Borkovec (ČVUT FIT) Vytěžování znalostí z dat BI-VZD, 2012, Přednáška 8 1/26 Vytěžování znalostí z dat Pavel Kordík, Josef Borkovec Department of Computer Systems Faculty of Information
VíceInformace pro výběr bakalářského oboru
Informace pro výběr bakalářského oboru 2017.03.15 J. Matas Bakalářské obory informatika a počítačové vědy software internet věcí počítačové hry a grafika kapacita všech oborů je dostatečná pro volný výběr
VíceAKCELERACE EVOLUCE PRAVIDEL CELULÁRNÍCH AUTOMATŮ NA GPU
AKCELERACE EVOLUCE PRAVIDEL CELULÁRNÍCH AUTOMATŮ NA GPU Luděk Žaloudek Výpočetní technika a informatika, 2. ročník, prezenční studium Školitel: Lukáš Sekanina Fakulta informačních technologií, Vysoké učení
Vícebrmiversity: Um lá inteligence a teoretická informatika
brmiversity: Um lá inteligence a teoretická informatika Úvodní p edná²ka brmlab 2011 Outline 1 Slovo úvodem 2 Um lá inteligence 3 Neuronové sít 4 Adaptivní agenti 5 Evolu ní algoritmy 6 Sloºitost 7 Datové
VíceNeuropočítače. podnět. vnímání (senzory)
Neuropočítače Princip inteligentního systému vnímání (senzory) podnět akce (efektory) poznání plánování usuzování komunikace Typické vlastnosti inteligentního systému: schopnost vnímat podněty z okolního
VíceGENETICKÉ UČENÍ NEURONOVÝCH SÍTÍ GENETIC LEARNING OF NEURAL NETWORKS. Roman Biskup, Anna Čermáková
GENETICKÉ UČENÍ NEURONOVÝCH SÍTÍ GENETIC LEARNING OF NEURAL NETWORKS Roman Bisup, Anna Čermáová Anotace: Příspěve se zabývá prezentací principů učení jednoho onrétního typu neuronových sítí. Cílem práce
VíceMATEMATICKÁ TEORIE ROZHODOVÁNÍ
MATEMATICKÁ TEORIE ROZHODOVÁNÍ Podklady k soustředění č. 5 Komunikace a kooperace Komunikace se jako jeden z principů objevuje v umělé inteligenci až v druhé polovině 80. let. V roce 1986 uveřejňuje M.
VíceHospitace ve III. ročníku Waldorfského lycea v Praze u O. Ševčíka
Hospitace ve III. ročníku Waldorfského lycea v Praze u O. Ševčíka Poslední epocha biologie III. ročníku vůbec (ve 4. ročníku už ji mít nebudou) Současná epocha je částí bloku zoologie Epoše předcházelo
VíceAlgoritmy a struktury neuropočítačů ASN - P1
Algoritmy a struktury neuropočítačů ASN - P1 http://amber.feld.cvut.cz/ssc www.janatuckova.cz Prof.Ing. Jana Tučková,CSc. Katedra teorie obvodů K331 kancelář: 614, B3 tel.: 224 352 098 e-mail: tuckova@fel.cvut.cz
VíceGenetické algoritmy. Vysoká škola ekonomická Praha. Tato prezentace je k dispozici na: http://www.utia.cas.cz/vomlel/
Genetické algoritmy Jiří Vomlel Laboratoř inteligentních systémů Vysoká škola ekonomická Praha Tato prezentace je k dispozici na: http://www.utia.cas.cz/vomlel/ Motivace z Darwinovy teorie evoluce Přírodní
VíceEvoluční algoritmy. Podmínka zastavení počet iterací kvalita nejlepšího jedince v populaci změna kvality nejlepšího jedince mezi iteracemi
Evoluční algoritmy Použítí evoluční principů, založených na metodách optimalizace funkcí a umělé inteligenci, pro hledání řešení nějaké úlohy. Populace množina jedinců, potenciálních řešení Fitness function
VíceZáklady umělé inteligence
Základy umělé inteligence Úvod Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 1 Zavedení pojmu umělá inteligence Inteligence je schopnost získávat a aplikovat vědomosti a tedy
VícePROFIL BUDOUCÍHO ABSOLVENTA OBORU INFORMATIKA
PROFIL BUDOUCÍHO ABSOLVENTA OBORU INFORMATIKA Cyril Klimeš Ostravská univerzita, katedra informatiky a počítačů, 30. dubna 22, 701 03 Ostrava, ČR, e-mail: cyril.klimes@osu.cz Abstrakt Tento příspěvek si
VíceKomplexita a turbulence
SA414 - přednáška č. 5 Sociální systémy, systémy lidských aktivit Kybernetika (2. řádu): člověk a znalos(i) Povaha znalosti - mentální modely jako vzory Externalizace znalostí symboly a jazyk Znalosti
VíceEVA VOLNÁ MARTIN KOTYRBA MICHAL JANOŠEK VÁCLAV KOCIAN
Doc. RNDr. PaedDr. Eva Volná, PhD. RNDr. Martin Kotyrba, Ph.D. RNDr. Michal Janošek, Ph.D. Mgr. Václav Kocian UMÌLÁ INTELIGENCE Rozpoznávání vzorù v dynamických datech Praha 2014 Anotace: Cílem knihy je
VíceTematický plán učiva BIOLOGIE
Tematický plán učiva BIOLOGIE Třída: Prima Počet hodin za školní rok: 66 h 1. POZNÁVÁME PŘÍRODU 2. LES 2.1 Rostliny a houby našich lesů 2.2 Lesní patra 2.3 Živočichové v lesích 2.4 Vztahy živočichů a rostlin
VíceInovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/34.0333 Vzdělávání v informačních a komunikačních technologií
VY_32_INOVACE_31_02 Škola Střední průmyslová škola Zlín Název projektu, reg. č. Vzdělávací oblast Vzdělávací obor Tematický okruh Téma Tematická oblast Název Autor Vytvořeno, pro obor, ročník Inovace výuky
VíceMatematika a ekonomické předměty
Matematika a ekonomické předměty Bohuslav Sekerka, Soukromá vysoká škola ekonomických studií Praha Postavení matematiky ve výuce Zaměřím se na výuku matematiky, i když jsem si vědom, toho, že by měl být
VíceSPECIFICKÝCH MIKROPROGRAMOVÝCH ARCHITEKTUR
EVOLUČNÍ NÁVRH A OPTIMALIZACE APLIKAČNĚ SPECIFICKÝCH MIKROPROGRAMOVÝCH ARCHITEKTUR Miloš Minařík DVI4, 2. ročník, prezenční studium Školitel: Lukáš Sekanina Fakulta informačních technologií, Vysoké učení
VíceJaro 2010 Kateřina Slavíčková
Jaro 2010 Kateřina Slavíčková Obsah: 1. Biologické vědy. 2. Chemie a fyzika v biologii koloběh látek a tok energie. 3. Buňka, tkáně, pletiva, orgány, orgánové soustavy, organismus. 4. Metabolismus. 5.
VíceEvoluční výpočetní techniky (EVT)
Evoluční výpočetní techniky (EVT) - Nacházejí svoji inspiraci v přírodních vývojových procesech - Stejně jako přírodní jevy mají silnou náhodnou složku, která nezanedbatelným způsobem ovlivňuje jejich
VíceNázev: Hmoto, jsi živá? I
Název: Hmoto, jsi živá? I Výukové materiály Téma: Obecné vlastnosti živé hmoty Úroveň: střední škola Tematický celek: Obecné zákonitosti přírodovědných disciplín a principy poznání ve vědě Předmět (obor):
VíceTrocha obrázků na začátek..
Trocha obrázků na začátek.. Elementární pojmy LCD panel tower myš klávesnice 3 Desktop vs. Tower tower desktop 4 Desktop nebo Tower? 5 Obraz jako obraz? 6 A něco o vývoji.. Předchůdci počítačů Počítadlo
VíceDynamické kritické jevy
Dynamické kritické jevy statické vs. dynamické Ve statické situaci je kritické chování určeno: i. dimenzí parametru uspořádání ii. dimenzí fyzikálního prostoru každý obor začíná nejprve statickými jevy
VíceUmělá inteligence a rozpoznávání
Václav Matoušek KIV e-mail: matousek@kiv.zcu.cz 0-1 Sylabus předmětu: Datum Náplň přednášky 11. 2. Úvod, historie a vývoj UI, základní problémové oblasti a typy úloh, aplikace UI, příklady inteligentních
VíceÚstav automatizace a měřicí techniky.
www.feec.vutbr.cz Specializace studijního oboru Automatizační a Měřicí Technika: Řídicí technika Moderní algoritmy řízení, teorie řízení Modelování a identifikace parametrů řízených systémů Pokročilé metody
VíceHerní engine. Co je Engine Hotové enginy Jemný úvod do game designu
Počítačové hry Herní engine Obsah přednášky Co je Engine Hotové enginy Jemný úvod do game designu Literatura a odkazy http://gpwiki.org/index.php/game Engines http://en.wikipedia.org/wiki/game engine http://www.devmaster.net/engines/
VíceAlgoritmy a struktury neuropočítačů ASN P4. Vícevrstvé sítě dopředné a Elmanovy MLNN s učením zpětného šíření chyby
Algoritmy a struktury neuropočítačů ASN P4 Vícevrstvé sítě dopředné a Elmanovy MLNN s učením zpětného šíření chyby Vrstevnatá struktura - vícevrstvé NN (Multilayer NN, MLNN) vstupní vrstva (input layer)
VíceGenetické algoritmy. Informační a komunikační technologie ve zdravotnictví
Genetické algoritmy Informační a komunikační technologie ve zdravotnictví Přehled přednášky Úvod Historie Základní pojmy Principy genetických algoritmů Možnosti použití Související metody AI Příklad problém
VíceUmělá inteligence (1. přednáška)
Umělá inteligence (1. přednáška) Co je to AI (Artificial Intelligence) systém, který myslí jako lidé myslí racionálně se chová jako lidé se chová racionálně Jednat jako lidé systém, který myslí jako lidé
VíceÚvod do informačních technologií
Úvod do informačních technologií Jan Outrata KATEDRA INFORMATIKY UNIVERZITA PALACKÉHO V OLOMOUCI přednášky Úvod Jan Outrata (Univerzita Palackého v Olomouci) Úvod do informačních technologií Olomouc, září
VíceUITS / ISY. Ústav inteligentních systémů Fakulta informačních technologií VUT v Brně. ISY: Výzkumná skupina inteligentních systémů 1 / 14
UITS / ISY Výzkumná skupina inteligentních systémů Ústav inteligentních systémů Fakulta informačních technologií VUT v Brně ISY: Výzkumná skupina inteligentních systémů 1 / 14 Obsah Představení skupiny
VíceVÍTKOVICE ITS a.s. Ruská 60, 706 02 Ostrava - Vítkovice
VÍTKOVICE ITS a.s. Ruská 60, 706 02 Ostrava - Vítkovice Analýza a optimalizace výrobních procesů metodami umělé inteligence Aplikace teorie umělé inteligence v podnikových informačních systémech RNDr.
VíceMatematická logika. Miroslav Kolařík
Matematická logika přednáška první Miroslav Kolařík Zpracováno dle textu R. Bělohlávka: Matematická logika poznámky k přednáškám, 2004. a dle učebního textu R. Bělohlávka a V. Vychodila: Diskrétní matematika
VíceŠKOLNÍ VZDĚLÁVACÍ PROGRAM
Vyučovací předmět : Období ročník : Učební texty : Přírodopis 3. období 9. ročník Danuše Kvasničková, Ekologický přírodopis pro 9. ročník ZŠ a nižší ročníky víceletých gymnázií, nakl. Fortuna Praha 1998
VíceAutomatizační a měřicí technika (B-AMT)
Ústav automatizace a měřicí techniky Bakalářský studijní program Automatizační a měřicí technika () Specializace oboru Řídicí technika Měřicí technika Průmyslová automatizace Robotika a umělá inteligence
VíceSeznam úloh v rámci Interního grantového systému EPI
Evropský polytechnický institut, s.r.o. Kunovice Seznam úloh v rámci Interního grantového systému I rok/p ořadí Číslo úlohy Název Obor 2008 B1/2008 Vývojové tendence globalizujícího se podnikatelského
VíceZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ 2014 7.1 7.3 12/14
ZÁKLADY PROGRAMOVÁNÍ Mgr. Vladislav BEDNÁŘ 2014 7.1 7.3 12/14 Co je vhodné vědět, než si vybereme programovací jazyk a začneme programovat roboty. 1 / 18 0:40 Umělá inteligence Umělá inteligence (UI) vlastně
Více09. seminář logika (úvod, výroková).notebook. November 30, 2011. Logika
Logika 1 Logika Slovo logika se v češtině běžně používá ve smyslu myšlenková cesta, která vedla k daným závěrům. Logika je formální věda, zkoumající právě onen způsob vyvozování závěrů. Za zakladatele
VíceObsah DÍL 2 KAPITOLA 6. 6 Automatická regulace 9. 6.1 Základní terminologie historické souvislosti 12
Obsah DÍL 2 KAPITOLA 6 6 Automatická regulace 9 6.1 Základní terminologie historické souvislosti 12 6.2 Dynamický systém, nástroje a metody jeho analýzy 18 6.2.1 Popis dynamického systému 19 6.2.2 Simulace
VíceÚvod do optimalizace, metody hladké optimalizace
Evropský sociální fond Investujeme do vaší budoucnosti Úvod do optimalizace, metody hladké optimalizace Matematika pro informatiky, FIT ČVUT Martin Holeňa, 13. týden LS 2010/2011 O čem to bude? Příklady
VíceUNIVERZITA KARLOVA V PRAZE 3. LÉKAŘSKÁ FAKULTA (tématické okruhy požadavků pro přijímací zkoušku)
UNIVERZITA KARLOVA V PRAZE 3. LÉKAŘSKÁ FAKULTA (tématické okruhy požadavků pro přijímací zkoušku) B I O L O G I E 1. Definice a obory biologie. Obecné vlastnosti organismů. Základní klasifikace organismů.
VíceObsah. Kognitívna ekonómia na báze umelej (komputačnej) inteligencie Ladislav Andrášik...
Obsah Předmluva... III Kognitívna ekonómia na báze umelej (komputačnej) inteligencie Ladislav Andrášik.... Použitie neurónových sietí pri spracovaní obrázkov získaných pomocou ultrazvuku Gabriela Andrejková,
VíceNeuronové sítě. Vlasta Radová Západočeská univerzita v Plzni katedra kybernetiky
Neuronové sítě Vlasta Radová Západočeská univerzita v Plzni katedra kybernetiky Motivace pro výzkum umělých neuronových sítí lidský mozek pracuje jiným způsobem než běžné číslicové počítače počítače přesně
VíceModerní systémy pro získávání znalostí z informací a dat
Moderní systémy pro získávání znalostí z informací a dat Jan Žižka IBA Institut biostatistiky a analýz PřF & LF, Masarykova universita Kamenice 126/3, 625 00 Brno Email: zizka@iba.muni.cz Bioinformatika:
VíceMozek a stáří. PhDr. Zuzana Spurná, Ph.D.
Mozek a stáří PhDr. Zuzana Spurná, Ph.D. Mozek Výsledkem exponenciálního růstu vývoje: 550 mil. let vývoje mozku 60 mil. let vývoje mozku primátů 5-7 mil. let vývoje lidského mozku 200-400 tis. let vývoje
VíceVšechno, co jste chtěli vědět o Gridech, ale báli jste se zeptat
Seminář LOM, 8. června 2005 Všechno, co jste chtěli vědět o Gridech, ale báli jste se zeptat Jan Kmuníček Ústav výpočetní techniky MU & CESNET Obsah Charakteristika gridovéhoprostředí Typy Gridů Vize výpočetního
VíceVyužití metod strojového učení v bioinformatice David Hoksza
Využití metod strojového učení v bioinformatice David Hoksza SIRET Research Group Katedra softwarového inženýrství, Matematicko-fyzikální fakulta Karlova Univerzita v Praze Bioinformatika Biologické inspirace
VíceNázev školy: Základní škola a Mateřská škola Žalany
Název školy: Základní škola a Mateřská škola Žalany Číslo projektu: CZ. 1.07/1.4.00/21.3210 Téma sady: Informatika pro devátý ročník Název DUM: VY_32_INOVACE_5A_19_Paměti_počítače Vyučovací předmět: Informatika
VíceŘízení SW projektů. Lekce 1 Základní pojmy a jejich vztahy. přednáška pro studenty FJFI ČVUT. zimní semestr 2012
Řízení SW projektů Lekce 1 Základní pojmy a jejich vztahy přednáška pro studenty FJFI ČVUT zimní semestr 2012 Ing. Pavel Rozsypal IBM Česká republika Global Business Services Lekce 1 - Základní pojmy a
VíceEvoluční algoritmy. Rayův umělý život (sebekopírující assembler) Hollandovy klasifikační systémy (pravidla)
Evoluční algoritmy Hollandovy genetické algoritmy (binární řetězce) Fogelovo evoluční programování (automaty) Kozovo genetické programování (stromy) Schwefelovy evoluční strategie (parametry funkcí) Rayův
Více2. Mechatronický výrobek 17
Předmluva 1 Úvod 3 Ing. Gunnar Künzel 1. Úvod do mechatroniky 5 1.1 Vznik, vývoj a definice mechatroniky 5 1.2 Mechatronická soustava a její komponenty 9 1.3 Mechatronický systém a jeho struktura 11 1.4
VíceKybernetika. vznikl koncepční rámec kybernetiky
Kybernetika Kybernetika řec. kybernétés = kormidelník vznik 40tá léta 20. století v Bostnu MIT zakladatel kybernetiky Norbert Wiener ji definoval jako vědu o řízení a komunikaci v živočichu a ve stroji
VíceKlasifikace počítačů a technologické trendy Modifikace von Neumanova schématu pro PC
Přednáší: doc. Ing. Jan Skrbek, Dr. - KIN Přednášky: středa 14 20 15 55 Obsah: Historie počítačů Počítačové generace Spojení: e-mail: jan.skrbek@tul.cz 16 10 17 45 tel.: 48 535 2442 Klasifikace počítačů
VíceLesk a bída nestandardních výpočetních systémů
Lesk a bída nestandardních výpočetních systémů Jiří Wiedermann Ústav informatiky Akademie věd České republiky, v.v.i. Částečně podporováno grantem 1ET100300419 Proč nás zajímají možnosti a meze počítačů
VíceOBECNÁ CHARAKTERISTIKA ŽIVÝCH ORGANISMŮ - PRACOVNÍ LIST
OBECNÁ CHARAKTERISTIKA ŽIVÝCH ORGANISMŮ - PRACOVNÍ LIST Datum: 26. 8. 2013 Projekt: Registrační číslo: Číslo DUM: Škola: Jméno autora: Název sady: Název práce: Předmět: Ročník: Studijní obor: Časová dotace:
VícePropojení výuky oborů Molekulární a buněčné biologie a Ochrany a tvorby životního prostředí. Reg. č.: CZ.1.07/2.2.00/
Propojení výuky oborů Molekulární a buněčné biologie a Ochrany a tvorby životního prostředí Reg. č.: CZ.1.07/2.2.00/28.0032 Genetika populací Studium dědičnosti a proměnlivosti skupin jedinců (populací)
VíceAD4M33AU Automatické uvažování
AD4M33AU Automatické uvažování Úvod, historie Petr Pudlák Organizační informace Tyto slidy jsou pomocný studijní materiál. Na přednášce budou uváděny další informace a příklady, které ve slidech nejsou.
VíceLineární diskriminační funkce. Perceptronový algoritmus.
Lineární. Perceptronový algoritmus. Petr Pošík Czech Technical University in Prague Faculty of Electrical Engineering Dept. of Cybernetics P. Pošík c 2012 Artificial Intelligence 1 / 12 Binární klasifikace
VíceFiala P., Karhan P., Ptáček J. Oddělení lékařské fyziky a radiační ochrany Fakultní nemocnice Olomouc
Neuronové sítě a možnosti jejich využití Fiala P., Karhan P., Ptáček J. Oddělení lékařské fyziky a radiační ochrany Fakultní nemocnice Olomouc 1. Biologický neuron Osnova 2. Neuronové sítě Umělý neuron
VíceZnalostní technologie proč a jak?
Znalostní technologie proč a jak? Peter Mikulecký Kamila Olševičová Daniela Ponce Univerzita Hradec Králové Motivace 1993 vznik Fakulty řízení a informační technologie na Vysoké škole pedagogické v Hradci
VíceMechatronika. učebn ice. Ladislav Maixner a kolektiv. Computer Press Brno 2006
Mechatronika učebn ice Ladislav Maixner a kolektiv Computer Press Brno 2006 Obsah Predmluva l Úvod Úwd 3 Ing Gunnar Kunzel 1 Úvod do mechatroniky 5 obebezbez 11 Vznik,vývoj a definicemechatroniky 5 12
VícePedagogická psychologie. PhDr. Kristýna Krejčová, PhD. kris.krejcova@gmail.com
Pedagogická psychologie PhDr. Kristýna Krejčová, PhD. kris.krejcova@gmail.com Pedagogická psychologie - psychologické aspekty výchovy a vyučování - Školní psychologie výchovné a vzdělávací problémy ve
VíceArchitektura počítače
Architektura počítače Výpočetní systém HIERARCHICKÁ STRUKTURA Úroveň aplikačních programů Úroveň obecných funkčních programů Úroveň vyšších programovacích jazyků a prostředí Úroveň základních programovacích
VícePODROBNÝ OBSAH O knize... 8 Úvod... 11 1 BASCOM-8051... 19 1.1 Omezení kompilátoru... 23 1.2 Postup tvorby programu v BASCOM-8051... 25 2 Pohonný subsystém robotu... 27 2.1 Stejnosmìrný motor... 28 2.1.1
VíceANALYTICKÉ PROGRAMOVÁNÍ
ZVYŠOVÁNÍODBORNÝCH KOMPETENCÍAKADEMICKÝCH PRACOVNÍKŮ OSTRAVSKÉUNIVERZITY V OSTRAVĚ A SLEZSKÉ UNIVERZITY V OPAVĚ ANALYTICKÉ PROGRAMOVÁNÍ Eva Volná Zuzana Komínková Oplatková Roman Šenkeřík OBSAH PRESENTACE
VíceVýukový materiál vytvořen v rámci projektu EU peníze školám "Inovace výuky" registrační číslo CZ.1.07/1.5.00/34.0585
Výukový materiál vytvořen v rámci projektu EU peníze školám "Inovace výuky" registrační číslo CZ.1.07/1.5.00/34.0585 Škola: Adresa: Autor: Gymnázium, Jablonec nad Nisou, U Balvanu 16, příspěvková organizace
VícePRINCIPY POČÍTAČŮ Metodický list číslo 1
Metodický list číslo 1 Téma č.1: Historie, vývoj počítačů, architektura počítače. historický přehled, předpoklady pro vývin a rozvoj počítačů nejvýznamnější osoby, vynálezy a stroje von Neumannova architektura
VíceObsah. Zelinka: UI v problémech globální optimalizace BEN technická literatura 3
UMÌLÁ INTELIGENCE V PROBLÉMECH GLOBÁLNÍ OPTIMALIZACE Ivan Zelinka Praha 2002 Tato publikace vznikla za podpory grantù MŠM 26500014, GAÈR 102/00/0526 a GAÈR 102/02/0204 Kniha seznamuje ètenáøe se dvìma
VíceRosenblattův perceptron
Perceptron Přenosové funkce Rosenblattův perceptron Rosenblatt r. 1958. Inspirace lidským okem Podle fyziologického vzoru je třívrstvá: Vstupní vrstva rozvětvovací jejím úkolem je mapování dvourozměrného
VíceMaturitní témata. Informační a komunikační technologie. Gymnázium, Střední odborná škola a Vyšší odborná škola Ledeč nad Sázavou.
Gymnázium, Střední odborná škola a Vyšší odborná škola Ledeč nad Sázavou Maturitní témata předmět Informační a komunikační technologie Dominik Janák 2015 třída 4I Dominik Janák Maturitní otázky Výpočetní
VíceInovace studia molekulární a buněčné biologie
Investice do rozvoje vzdělávání Inovace studia molekulární a buněčné biologie Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Investice do rozvoje vzdělávání
Více1. HDR. 2. Test Práce ve Windows. 3. Tilt-shift efekt. 4. Excel tisk a tvorba grafů. Informatika Ditta Kukaňová
1. HDR ANOTACE: Výuka tématu grafika, rastrová grafika, práce s programem Zoner Photo Studio KLÍČOVÁ SLOVA: HDR, Zoner Photo Studio, efekty, ořez, rastrová grafika 2. Test Práce ve Windows ANOTACE: Test
VícePŘEDNÁŠKA 03 OPTIMALIZAČNÍ METODY Optimization methods
CW057 Logistika (R) PŘEDNÁŠKA 03 Optimization methods Ing. Václav Venkrbec skupina obecných modelů slouží k nalezení nejlepšího řešení problémů a modelovaných reálií přináší řešení: prvky konečné / nekonečné
VíceAIBO CleanMate 365 ACECAD Enterprises DigiMemo
ELECTROLUX ESI 6221 K Myčka v novém Alpha 1 designu s Fuzzy logic technologií www.sony.cz CleanMate 365 CleanMate 365 je inteligentní robotický vysavač, který za Vás doma perfektně vysaje a zamete. První
VíceCleanMate 365. ACECAD Enterprises DigiMemo A502. individua vědomě orientovat vlastní. globální schopnost individua účelně
ELECTROLUX ESI 6221 K Myčka v novém Alpha 1 designu s Fuzzy logic technologií www.sony.cz Umělá inteligence = = umělá + inteligence CleanMate 365 CleanMate 365 je inteligentní robotický vysavač, který
VíceNeuronové sítě (11. přednáška)
Neuronové sítě (11. přednáška) Machine Learning Naučit stroje se učit O co jde? Máme model výpočtu (t.j. výpočetní postup jednoznačně daný vstupy a nějakými parametry), chceme najít vhodné nastavení parametrů,
VíceMatematické modelování evoluce infekčních chorob
Matematické modelování evoluce infekčních chorob Trade-off mezi sexuálním a vertikálním přenosem Veronika Bernhauerová (společná práce s L. Berecem) Ústav matematiky a statistiky, Přírodovědecká fakulta
VíceZřízení studijního oboru HPC (High performance computing)
Zřízení studijního oboru HPC (High performance computing) Návrh oboru je koncipován tak, aby byl zajímavý pro široký okruh zájemců, kteří pak mohou později pracovat při využití HPC v projekčních a výzkumných
VíceDalší povinnosti / odb. praxe. Návrh témat prací. Návaznost na další stud. prog.
Teoretická informatika Složitost I 2p+1c Z, Zk P RNDr. Čepek, PhD není stanoven Složitost II 2p+1c Z, Zk PV RNDr. Čepek, PhD Vyčíslitelnost II 2p Zk PV doc. Kučera, CSc. Datové struktury I 2p Zk P RNDr.
VíceOrganizace a zpracování dat I (NDBI007) RNDr. Michal Žemlička, Ph.D.
Úvodní přednáška z Organizace a zpracování dat I (NDBI007) RNDr. Michal Žemlička, Ph.D. Cíl předmětu Obeznámit studenty se základy a specifiky práce se sekundární pamětí. Představit některé specifické
VíceObecná charakteristika živých soustav
Obecná charakteristika živých soustav Vypracoval: RNDr. Milan Zimpl, Ph.D. TENTO PROJEKT JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM ČESKÉ REPUBLIKY Kategorie živých soustav Existují
Více5.5 Evoluční algoritmy
5.5 Evoluční algoritmy Jinou skupinou metod strojového učení, které vycházejí z biologických principů, jsou evoluční algoritmy. Zdrojem inspirace se tentokrát stal mechanismus evoluce, chápaný jako Darwinův
Víceokolo 500 let př.n.l. poč. 21.stol
Logo Mezinárodního roku udržitelné energie pro všechny Rok 2012 vyhlásilo Valné shromáždění Organizace Spojených Národů za Mezinárodní rok udržitelné energie pro všechny. Důvodem bylo upozornit na význam
VíceBIOLOGIE. Gymnázium Nový PORG
BIOLOGIE Gymnázium Nový PORG Biologii vyučujeme na gymnáziu Nový PORG jako samostatný předmět od primy do tercie a v kvintě a sextě. Biologii vyučujeme v češtině a rozvíjíme v ní a doplňujeme témata probíraná
Více