Neuronové sítě. Vlasta Radová Západočeská univerzita v Plzni katedra kybernetiky
|
|
- Anna Urbanová
- před 8 lety
- Počet zobrazení:
Transkript
1 Neuronové sítě Vlasta Radová Západočeská univerzita v Plzni katedra kybernetiky
2 Motivace pro výzkum umělých neuronových sítí lidský mozek pracuje jiným způsobem než běžné číslicové počítače počítače přesně a rychle provádějí posloupnosti instrukcí, které pro ně byly formulovány člověk dokáže lépe řešit řadu výpočetně náročných úkolů (šachy, porozumění řeči, zpracování vizuální informace) snaha napodobit schopnosti mozku a vytvořit umělou neuronovou síť Vlasta Radová: Neuronové sítě. Západočeská univerzita v Plzni, katedra kybernetiky 2
3 Lidský mozek skládá se asi ze 00 miliard výpočetních elementů - neuronů neurony mezi sebou komunikují prostřednictvím sítě vazeb vstup do sítě zajišťují tzv. receptory (zrak, sluch, čich, chuť, hmat) podnět z receptorů je ve formě elektrických impulsů přenášen do centrálního nervového systému, kde je zpracován podle výsledku zpracování jsou řízeny tzv. efektory (tj. výkonné orgány) a odezva člověka na daný podnět se projeví ve formě rozmanitých akcí celková struktura nervového systému lze přirovnat zpětnovazebnímu systému řízení Vlasta Radová: Neuronové sítě. Západočeská univerzita v Plzni, katedra kybernetiky 3
4 Biologický neuron biologický neuron je základní buňkou biologických neuronových sítí vstupy (dendrity) výstup sousedního neuronu synapse tělo (soma) výstup (axon) Vlasta Radová: Neuronové sítě. Západočeská univerzita v Plzni, katedra kybernetiky 4
5 Biologický neuron (pokračování) části biologického neuronu tělo (soma) výstup (axon) jediný, poměrně dlouhý (až 60 cm) vstupy (dendrity) poměrně krátké (do 3 mm), je jich až několik tisíc rozhraní (synapse) jednosměrné brány umožňující přenos signálu pouze ve směru axon dendrit, je jich asi 0 tisíc na každý neuron Vlasta Radová: Neuronové sítě. Západočeská univerzita v Plzni, katedra kybernetiky 5
6 Biologický neuron (pokračování) přenášené signály jsou elektrické impulsy, jejich přenos je ovlivněn uvolňováním budicích a tlumicích látek v synapsích excitátory (budicí látky) umožňují, aby neuron generoval impuls inhibitory (tlumicí látky) snižují schopnost neuronu generovat impuls překročí-li hodnota budicích signálů hodnotu tlumicích signálů o určitý práh, nastává tzv. aktivace neuronu na výstupu neuronu se objeví impuls Vlasta Radová: Neuronové sítě. Západočeská univerzita v Plzni, katedra kybernetiky 6
7 Biologický neuron (pokračování) po vygenerování impulsu se neuron na určitou dobu (tzv. období pauzy) dostane do stavu, kdy nereaguje na žádné podněty chování neuronu lze popsat diskrétně v čase období pauzy není pro všechny neurony stejně dlouhé neurony v mozku pracují asynchronně Vlasta Radová: Neuronové sítě. Západočeská univerzita v Plzni, katedra kybernetiky 7
8 Model biologického neuronu biologický neuron model neuronu x x 2 x 3 w w 2 w 3 y x n w n x i vstupy w i váhy y výstup n počet vstupů neuronu Vlasta Radová: Neuronové sítě. Západočeská univerzita v Plzni, katedra kybernetiky 8
9 Model neuronu McCullochův Pittsův model navržen v roce 943 pro výstup platí: x x 2 x 3 x n w w 2 w 3 w n y + =, 0, vstupy x i, i =,,n, mohou nabývat pouze hodnot 0 nebo podle toho, zda je přítomen signál nebo ne) váhy w i, i =,,n, w i =+ pro budicí signály (excitátory), w i =- pro tlumicí signály (inhibitory) b je práh () ()< Vlasta Radová: Neuronové sítě. Západočeská univerzita v Plzni, katedra kybernetiky 9
10 Vlastnosti McCullochova Pittsova modelu jednoduchý má pouze 2 stavy (0 a ) jedná se o binární model váhy jsou pevně nastavené pouze na - nebo + prahy jsou pevně stanoveny neumožňuje realizovat všechny logické funkce (umožňuje AND, OR, NOT, ale neumožňuje XOR) Vlasta Radová: Neuronové sítě. Západočeská univerzita v Plzni, katedra kybernetiky 0
11 Model neuronu perceptron diskrétní verze poprvé uvedena v roce 958 F. Rosenblatem x x 2 x 3 w w 2 w 3 y pro výstup platí: + = ()+ = x n w n b = T ()+ f je aktivační funkce w = [w, w 2,, w n ] T je váhový vektor x = [x, x 2,, x n ] T je vstupní vektor ξ = w T x+b je aktivační hodnota Vlasta Radová: Neuronové sítě. Západočeská univerzita v Plzni, katedra kybernetiky
12 Model neuronu perceptron (pokr.) Nejčastěji užívané aktivační funkce bipolární binární unipolární binární + pro ξ 0 f ( ξ ) = sgn( ξ ) = pro ξ < 0 f ( ξ) f ( ξ ) = + pro ξ 0 0 pro ξ < 0 f ( ξ) ξ ξ Vlasta Radová: Neuronové sítě. Západočeská univerzita v Plzni, katedra kybernetiky 2
13 Model neuronu perceptron (pokr.) Nejčastěji užívané aktivační funkce bipolární spojitá 2 f ( ξ ) = + exp( λ ξ) unipolární spojitá f ( ξ ) = + exp( λ ξ ) lineární f ( ξ ) = λ ξ f ( ξ) λ ξ f ( ξ) λ ξ f ( ξ) λ ξ λ strmost aktivační funkce Vlasta Radová: Neuronové sítě. Západočeská univerzita v Plzni, katedra kybernetiky 3
14 Model neuronu perceptron (pokr.) binární aktivační funkce jsou speciálním případem spojitých pro λ bipolární spojitá a unipolární spojitá funkce se též nazývají sigmoidální funkce (mají tvar písmene S) Vlasta Radová: Neuronové sítě. Západočeská univerzita v Plzni, katedra kybernetiky 4
15 Činnost perceptronu s bipolární binární aktivační funkcí x x 2 x 3 w w 2 w 3 y + = ()+ = x n w n b = T ()+ f ( ξ) ξ + pro ξ 0 f ( ξ ) = sgn( ξ ) = pro ξ < 0 Vlasta Radová: Neuronové sítě. Západočeská univerzita v Plzni, katedra kybernetiky 5
16 Činnost perceptronu s bipolární binární aktivační funkcí (pokr.) pro n=2 + =sgn = w x w 2 y x 2 b +, =, <0 x 2!. =[, 2 ] T =0 perceptron rozdělí vstupní rovinu x x 2 na dvě poloroviny, jedné přiřadí +, druhé - x Vlasta Radová: Neuronové sítě. Západočeská univerzita v Plzni, katedra kybernetiky 6
17 Činnost perceptronu s bipolární binární aktivační funkcí (pokr.) Perceptron s bipolární binární aktivační funkcí rozdělí vstupní prostor x = [x, x 2,, x n ] T na dvě oblasti, jedné přiřadí +, druhé -. Nadplocha, která vstupní prostor rozděluje, je dána rovnicí w T x = 0. Vlasta Radová: Neuronové sítě. Západočeská univerzita v Plzni, katedra kybernetiky 7
Fiala 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
VíceAmbasadoři přírodovědných a technických oborů. Ing. Michal Řepka Březen - duben 2013
Ambasadoři přírodovědných a technických oborů Ing. Michal Řepka Březen - duben 2013 Umělé neuronové sítě Proč právě Neuronové sítě? K čemu je to dobré? Používá se to někde v praxi? Úvod Umělé neuronové
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
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
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
VícePV021: Neuronové sítě. Tomáš Brázdil
1 PV021: Neuronové sítě Tomáš Brázdil Cíl předmětu 2 Na co se zaměříme Základní techniky a principy neuronových sítí (NS) Přehled základních modelů NS a jejich použití Co si (doufám) odnesete Znalost základních
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
VíceUmělé neuronové sítě
Umělé neuronové sítě 17. 3. 2018 5-1 Model umělého neuronu y výstup neuronu u vnitřní potenciál neuronu w i váhy neuronu x i vstupy neuronu Θ práh neuronu f neuronová aktivační funkce 5-2 Neuronové aktivační
Více5. Umělé neuronové sítě. Neuronové sítě
Neuronové sítě Přesný algoritmus práce přírodních neuronových systémů není doposud znám. Přesto experimentální výsledky na modelech těchto systémů dávají dnes velmi slibné výsledky. Tyto systémy, včetně
VíceArchitektura - struktura sítě výkonných prvků, jejich vzájemné propojení.
Základní pojmy z oblasti neuronových sítí Zde je uveden přehled některých základních pojmů z oblasti neuronových sítí. Tento přehled usnadní studium a pochopení předmětu. ADALINE - klasická umělá neuronová
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
VíceMembránový potenciál, zpracování a přenos signálu v excitabilních buňkách
Membránový potenciál, zpracování a přenos signálu v excitabilních buňkách Difuze Vyrovnávání koncentrací látek na základě náhodného pohybu Osmóza (difuze rozpouštědla) Dva roztoky o rúzné koncentraci oddělené
Více3. Vícevrstvé dopředné sítě
3. Vícevrstvé dopředné sítě! Jsou tvořeny jednou nebo více vrstvami neuronů (perceptronů). Výstup jedné vrstvy je přitom připojen na vstup následující vrstvy a signál se v pracovní fázi sítě šíří pouze
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,
VíceNervová soustava je základním regulačním systémem organizmu psa. V organizmu plní základní funkce jako:
Nervová soustava je základním regulačním systémem organizmu psa. V organizmu plní základní funkce jako: Přijímá podněty smyslovými orgány tzv. receptory (receptory), Kontroluje a poskytuje komplexní komunikační
VíceFyziologický vývoj mozku v dětském věku
Fyziologický vývoj mozku v dětském věku MUDr. Zuzana Ludvíková Konference Mensa ČR 19.11.2014 Lidský mozek Obsahuje přes 1000 miliard nervových buněk Pokud pracuje naplno odčerpávají neurony 20% z celkové
Více5. Umělé neuronové sítě. neuronové sítě. Umělé Ondřej Valenta, Václav Matoušek. 5-1 Umělá inteligence a rozpoznávání, LS 2015
Umělé neuronové sítě 5. 4. 205 _ 5- Model umělého neuronu y výstup neuronu u vnitřní potenciál neuronu w i váhy neuronu x i vstupy neuronu Θ práh neuronu f neuronová aktivační funkce _ 5-2 Neuronové aktivační
VíceTrénování sítě pomocí učení s učitelem
Trénování sítě pomocí učení s učitelem! předpokládá se, že máme k dispozici trénovací množinu, tj. množinu P dvojic [vstup x p, požadovaný výstup u p ]! chceme nastavit váhy a prahy sítě tak, aby výstup
VíceNervová soustává č love ká, neuron r es ení
Nervová soustává č love ká, neuron r es ení Pracovní list Olga Gardašová VY_32_INOVACE_Bi3r0110 Nervová soustava člověka je pravděpodobně nejsložitěji organizovaná hmota na Zemi. 1 cm 2 obsahuje 50 miliónů
VíceNervová soustava. Funkce: řízení organismu. - Centrální nervová soustava - mozek - mícha - Periferní nervy. Biologie dítěte
Funkce: řízení organismu - Centrální nervová soustava - mozek - mícha - Periferní nervy Nervová buňka - neuron Neuron zákl. stavební a funkční jednotka Složení neuronu: tělo a nervové výběžky - axon =
VíceAlgoritmy a struktury neuropočítačů ASN - P11
Aplikace UNS při rozpoznání obrazů Základní úloha segmentace obrazu rozdělení obrazu do několika významných oblastí klasifikační úloha, clusterová analýza target Metody Kohonenova metoda KSOM Kohonenova
VíceKlíčové pojmy: Informační mohutnost, mozek, myšlení, nepřesné algoritmy, neuron, neuronová síť, simulace, umělá neuronová síť.
Neuronové sítě 1 Cíl kapitoly : Seznámení s podněty a logikou výstavby neuronových sítí, jejich hlavními úkoly a způsoby práce. Umět aplikovat tato poznatky a umožnit další a hlubší studium neuronových
VíceVY_32_INOVACE_19_OPAKOVANI_NERVOVA_SOUSTAVA_CLOVEKA. 45 minut Datum ověření:
Kód materiálu: Název materiálu: VY_32_INOVACE_19_OPAKOVANI_NERVOVA_SOUSTAVA_CLOVEKA Opakování nervová soustava člověka. Předmět: Přírodopis Ročník: 8. Časová dotace: Jméno autora: 45 minut Datum ověření:
VíceSešit pro laboratorní práci z biologie
Sešit pro laboratorní práci z biologie téma: Smysly člověka autor: Mgr. Lenka Jančíková vytvořeno při realizaci projektu: Inovace školního vzdělávacího programu biologie a chemie registrační číslo projektu:
VícePředmět: PŘÍRODOPIS Ročník: 8. Časová dotace: 2 hodiny týdně. Konkretizované tématické okruhy realizovaného průřezového tématu
Předmět: PŘÍRODOPIS Ročník: 8. Časová dotace: 2 hodiny týdně Výstup předmětu Rozpracované očekávané výstupy září popíše základní rozdíly mezi buňkou rostlin, živočichů a bakterií a objasní funkci základních
VíceNeuronové sítě v DPZ
Univerzita J. E. Purkyně v Ústí nad Labem Fakulta životního prostředí Neuronové sítě v DPZ Seminární práce z předmětu Dálkový průzkum Země Vypracovali: Jan Lantora Rok: 2006 Zuzana Vašková Neuronové sítě
Více1 Neuronové sítě - jednotlivý neuron
Obsah 1 Neuronové sítě - jednotlivý neuron... 2 1.1 Základní informace... 2 1.2 Výstupy z učení... 2 1.3 Úvod do neuronových sítí... 2 1.3.1 Biologická analogie... 2 1.3.2 Historie NN... 3 1.3.3 Koncept
VíceMĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH. Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky
MĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky Při návrhu elektroakustických soustav, ale i jiných systémů, je vhodné nejprve
VíceNeuronové sítě AIL002. Iveta Mrázová 1 František Mráz 2. Neuronové sítě. 1 Katedra softwarového inženýrství. 2 Kabinet software a výuky informatiky
Neuronové sítě AIL002 Iveta Mrázová 1 František Mráz 2 1 Katedra softwarového inženýrství 2 Kabinet software a výuky informatiky Do LATEXu přepsal: Tomáš Caithaml Učení s učitelem Rozpoznávání Použití:
VíceZÁKLADNÍ FOTOMETRICKÉ VELIČINY
ZÁKLADNÍ FOTOMETRICKÉ VELIČINY Ing. Petr Žák VÝVOJ ČLOVĚKA vývoj člověka přizpůsobení okolnímu prostředí (adaptace) příjem informací o okolním prostředí smyslové orgány rozhraní pro příjem informací SMYSLOVÉ
VíceKurz psychologie a sociologie na FSV
Kurz psychologie a sociologie na FSV Základy obecné psychologie 1 - - senzorické procesy, vnímání, vědomí Mgr. Petra Halířová 2010/2011 Literatura Atkinsonová, R. (2003). Psychologie, s. 110-231 Dobrovská,
VíceOrganismus je řízen dvojím způsobem, hormonálně a nervově. Nervový systém se dělí na centrální a periferní.
Otázka: Centrální nervový systém Předmět: Biologie Přidal(a): wewerka68 Dělení nervové soustavy, nervová tkáň, koncový mozek, kůra, korové analyzátory, mozkové laloky a dutiny, mozkomíšní mok, obaly mozku,
VíceNervová soustava Centrální nervový systém (CNS) mozek mícha Periferní nervový systém (nervy)
Neuron Nervová soustava Centrální nervový systém (CNS) mozek mícha Periferní nervový systém (nervy) Základní stavební jednotky Neuron přenos a zpracování informací Gliové buňky péče o neurony, metabolická,
VíceAutomatizace je proces při němž je řídicí funkce člověka nahrazována činností
Automatizace je proces při němž je řídicí funkce člověka nahrazována činností různých přístrojů a zařízení. (Mechanizace, Automatizace, Komplexní automatizace) Kybernetika je Věda, která zkoumá obecné
VíceVýukový materiál v rámci projektu OPVK 1.5 Peníze středním školám
VY_32_INOVACE_ZDRK34060FIG Výukový materiál v rámci projektu OPVK 1.5 Peníze středním školám Číslo projektu: CZ.1.07/1.5.00/34.0883 Název projektu: Rozvoj vzdělanosti Číslo šablony: III/2 Datum vytvoření:
Více7. Nervová soustava člověka
7. Nervová soustava člověka anatomie nervové soustavy a stavba neuronu Nervová soustava člověka je rozlišena na: 1. CNS - centrální nervovou soustavu (hlava - řídící centrum, mícha zprostředkovává funkce)
VíceČíslicové obvody základní pojmy
Číslicové obvody základní pojmy V číslicové technice se pracuje s fyzikálními veličinami, které lze popsat při určité míře zjednodušení dvěma stavy. Logické stavy binární proměnné nabývají dvou stavů:
VíceTypy umělých neuronových sítí
Tp umělých neuronových sítí umělá neuronová síť vznikne spojením jednotlivých modelů neuronů výsledná funkce sítě je určena způsobem propojení jednotlivých neuronů, váhami těchto spojení a způsobem činnosti
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
Více9. Léčiva CNS - úvod (1)
9. Léčiva CNS - úvod (1) se se souhlasem souhlasem autora autora ál školy koly -techlogic techlogické Jeho Jeho žit bez bez souhlasu souhlasu autora autora je je ázá Nervová soustava: Centrální nervový
VíceČíselné vyjádření hodnoty. Kolik váží hrouda zlata?
Čísla a logika Číselné vyjádření hodnoty Au Kolik váží hrouda zlata? Dekadické vážení Když přidám osmé závaží g, váha se převáží => závaží zase odeberu a začnu přidávat závaží x menší 7 závaží g 2 závaží
VíceAnotace: Materiál je určen k výuce přírodopisu v 8. ročníku ZŠ. Seznamuje žáky se základními pojmy a informacemi o stavbě a funkci nervové soustavy.
Anotace: Materiál je určen k výuce přírodopisu v 8. ročníku ZŠ. Seznamuje žáky se základními pojmy a informacemi o stavbě a funkci nervové soustavy. Materiál je plně funkční pouze s použitím internetu.
VíceNeuronové sítě. 1 Úvod. 2 Historie. 3 Modely neuronu
Neuronové sítě L. Horký*, K. Břinda** Fakulta jaderná a fyzikálně inženýrská, Břehová 7, 115 19 Praha 1 *horkyladislav@seznam.cz, **brinda@fjfi.cvut.cz Abstrakt Cílem našeho příspěvku je získat uživatelský
VíceKONTROLNÍ A ŘÍDÍCÍ SOUSTAVY. kontrolu a řízení organismu zajišťují 2 soustavy: o nervová soustava o hormonální soustava
KONTROLNÍ A ŘÍDÍCÍ SOUSTAVY kontrolu a řízení organismu zajišťují 2 soustavy: o nervová soustava o hormonální soustava NERVOVÁ SOUSTAVA základní stavební jednotkou je. neuron Funkce.. řídí a koordinuje
VíceSmysly. Biologie dítěte. Zrak Sluch Čich Chuť Hmat
Zrak Sluch Čich Chuť Hmat Smyslová centra v mozku Smyslová centra v mozku Adaptace smyslů Při dlouhodobém působení podnětu může většina smyslů otupět Např.: Čich necítíme pach v místnosti, kde jsme již
VíceNervová soustava Centrální nervový systém (CNS) mozek mícha Periferní nervový systém (nervy)
Buňka Neuron Nervová soustava Centrální nervový systém (CNS) mozek mícha Periferní nervový systém (nervy) Základní stavební jednotky Neuron přenos a zpracování informací Gliové buňky péče o neurony, metabolická,
VíceObsah DÍL 1. Předmluva 11
DÍL 1 Předmluva 11 KAPITOLA 1 1 Minulost a současnost automatizace 13 1.1 Vybrané základní pojmy 14 1.2 Účel a důvody automatizace 21 1.3 Automatizace a kybernetika 23 Kontrolní otázky 25 Literatura 26
VíceAdiktologie 1. ročník, zimní semestr 2005/2006
Adiktologie 1. ročník, zimní semestr 2005/2006 Název předmětu: Neurovědy Číslo předmětu: Není Semestr: Zimní 2005/2006 Vyučující: MUDr. Tomáš Páleníček Prof. MUDr. Soňa Nevšímalová, DrSc. Konzultační hodiny:
VíceZákladní pojmy. Program: Algoritmus zapsaný v programovacím jazyce, který řeší nějaký konkrétní úkol. Jedná se o posloupnost instrukcí.
Základní pojmy IT, číselné soustavy, logické funkce Základní pojmy Počítač: Stroj na zpracování informací Informace: 1. data, která se strojově zpracovávají 2. vše co nám nebo něčemu podává (popř. předává)
Více1. 5. Minimalizace logické funkce a implementace do cílového programovatelného obvodu CPLD
.. Minimalizace logické funkce a implementace do cílového programovatelného obvodu Zadání. Navrhněte obvod realizující neminimalizovanou funkci (úplný term) pomocí hradel AND, OR a invertorů. Zaznamenejte
Více2. RBF neuronové sítě
2. RBF neuronové sítě Kapitola pojednává o neuronových sítích typu RBF. V kapitole je popsána základní struktura tohoto typu neuronové sítě. Poté následuje definice a charakteristika jednotlivých radiálně
VíceU01 = 30 V, U 02 = 15 V R 1 = R 4 = 5 Ω, R 2 = R 3 = 10 Ω
B 9:00 hod. Elektrotechnika a) Definujte stručně princip superpozice a uveďte, pro které obvody platí. b) Vypočítejte proudy větvemi uvedeného obvodu metodou superpozice. 0 = 30 V, 0 = 5 V R = R 4 = 5
VíceNeuronové sítě Učení bipolárního perceptronu
Neuronové sítě Učení bipolárního perceptronu Základní pojmy bipolární perceptron vstupy a výstupy jsou ± Učení: vycházíme z kladných a záporných vzorů a učíme váhy w, w,..., w n ( n ) y = sign w k x k,
VíceStřední průmyslová škola strojnická Olomouc, tř. 17. listopadu 49. Výukový materiál zpracovaný v rámci projektu Výuka moderně
Střední průmyslová škola strojnická Olomouc, tř. 17. listopadu 49 Výukový materiál zpracovaný v rámci projektu Výuka moderně Registrační číslo projektu: CZ.1.07/1.5.00/34.0205 Šablona: III/2 Přírodovědné
VíceKatedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Katedra počítačů, Computational Intelligence Group
Vytěžování dat Miroslav Čepek, Filip Železný Katedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Katedra počítačů, Computational Intelligence Group Evropský sociální fond Praha & EU: Investujeme
VíceModely selektivní interakce a jejich aplikace
Modely selektivní interakce a jejich aplikace Marie Leváková Ústav matematiky a statistiky Přírodovědecká fakulta Masarykovy univerzity 5. 9. 2013 Marie Leváková (PřF MU) Modely selektivní interakce a
VíceIII/2 Inovace a zkvalitnění výuky prostřednictvím ICT
Název školy Gymnázium, Šternberk, Horní nám. 5 Číslo projektu Šablona CZ.1.07/1.5.00/34.0218 III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Označení materiálu VY_32_INOVACE_Hav17 Vypracoval(a),
VíceCNS. NEUROANATOMIE I. - Struktury centrálního nervového systému
CNS NEUROANATOMIE I. - Struktury centrálního nervového systému Opakování - organizace nervstva Centrální nervová soustava Chráněno kostí, integrační funkce Mozek mícha Periferní nervová soustava Efektorová
VíceSEKVENČNÍ LOGICKÉ OBVODY
Sekvenční logický obvod je elektronický obvod složený z logických členů. Sekvenční obvod se skládá ze dvou částí kombinační a paměťové. Abychom mohli určit hodnotu výstupní proměnné, je potřeba u sekvenčních
VíceVY_32_INOVACE_E 15 03
Název a adresa školy: Střední škola průmyslová a umělecká, Opava, příspěvková organizace, Praskova 399/8, Opava, 746 01 Název operačního programu: OP Vzdělávání pro konkurenceschopnost, oblast podpory
VíceDigitální učební materiál
Digitální učební materiál Projekt CZ.1.07/1.5.00/34.0415 Inovujeme, inovujeme Šablona III/2 Inovace a zkvalitnění výuky prostřednictvím ICT (DUM) Tematická Nervová soustava Společná pro celou sadu oblast
VíceÚvod Příklad Výpočty a grafické znázornění. Filip Habr. České vysoké učení technické v Praze Fakulta jaderná a fyzikálně inženýrská
Neuronové sítě-delta učení Filip Habr České vysoké učení technické v Praze Fakulta jaderná a fyzikálně inženýrská 30. března 2009 Obsah prezentace Obsah prezentace Delta učení 1 Teorie k delta učení 2
VíceDálkový průzkum Země. Ústav geoinformačních technologií Lesnická a dřevařská fakulta MENDELU
Dálkový průzkum Země Ústav geoinformačních technologií Lesnická a dřevařská fakulta MENDELU Klasifikace založené na strojovém učení Strojové učení je podoblastí umělé inteligence, zabývající se algoritmy
VíceSMYSLOVÁ A NERVOVÁ SOUSTAVA
SMYSLOVÁ A NERVOVÁ SOUSTAVA Anotace: Materiál je určen k výuce přírodovědy v 5. ročníku ZŠ. Seznamuje žáky se stavbou a funkcí lidské smyslové a nervové soustavy. Smyslová soustava patří sem zrak, sluch,
VíceAlgoritmy I. Číselné soustavy přečíst!!! ALGI 2018/19
Algoritmy I Číselné soustavy přečíst!!! Číselné soustavy Každé číslo lze zapsat v poziční číselné soustavě ve tvaru: a n *z n +a n-1 *z n-1 +. +a 1 *z 1 +a 0 *z 0 +a -1 *z n-1 +a -2 *z -2 +.. V dekadické
VíceKlasifikace předmětů a jevů
Klasifikace předmětů a jevů 1. Úvod Rozpoznávání neboli klasifikace je základní znak lidské činnosti. Rozpoznávání (klasifikace) předmětů a jevů spočívá v jejich zařazování do jednotlivých tříd. Třídou
VíceDigitální učební materiál
Digitální učební materiál Projekt CZ.1.07/1.5.00/34.0415 Inovujeme, inovujeme Šablona III/2 Inovace a zkvalitnění výuky prostřednictvím ICT (DUM) Tematická Nervová soustava Společná pro celou sadu oblast
VíceJe pachová zátěž problémem? Eva Rychlíková Zdravotní ústav Kolín
Je pachová zátěž problémem? Eva Rychlíková Zdravotní ústav Kolín Richard Axel a Linda Bucková, Nobelova cena za lékařství a fyziologii za rok 2004: Čichový systém savců rozlišuje velké množství různých
VíceSenzorická fyziologie
Senzorická fyziologie Čití - proces přenosu informace o aktuálním stavu vnitřního prostředí a zevního okolí do formy signálů v CNS Vnímání (percepce) - subjektivní vědomá interpretace těchto signálů na
VíceZpracování informace v NS Senzorická fyziologie
Zpracování informace v NS Senzorická fyziologie doc. MUDr. Markéta Bébarová, Ph.D. Fyziologický ústav, Lékařská fakulta, Masarykova univerzita Tato prezentace obsahuje pouze stručný výtah nejdůležitějších
VícePrincipy počítačů I Netradiční stroje
Principy počítačů I Netradiční stroje snímek 1 Principy počítačů Část X Netradiční stroje VJJ 1 snímek 2 Netradiční procesory architektury a organizace počítačů, které se vymykají struktuře popsané Johnem
VíceZákladní škola Karviná Nové Město tř. Družby 1383
Základní škola Karviná Nové Město tř. Družby 1383 Projekt OP VK oblast podpory 1.4 Zlepšení podmínek pro vzdělávání na středních školách Registrační číslo projektu: CZ.1.07/1.4.00/21.3526 Název projektu:
VíceNeurony a neuroglie /
Nervová tkáň Jedna ze 4 základních typů tkání Vysoce specializovaná - přijímá /dráždivost/, vede /vodivost/, porovnává, ukládá, vytváří informace, zabezpečuje přiměřenou reakci Původ: neuroektoderm CNS
VíceBooleovská algebra. Booleovské binární a unární funkce. Základní zákony.
Booleovská algebra. Booleovské binární a unární funkce. Základní zákony. Tomáš Bayer bayertom@natur.cuni.cz Katedra aplikované geoinformatiky a kartografie, Přírodovědecká fakulta UK. Tomáš Bayer bayertom@natur.cuni.cz
VícePsychologie 09. Otázka číslo: 1. Člověka jako psychologický celek označujeme pojmem: psychopat. osobnost
Psychologie 09 Otázka číslo: 1 Člověka jako psychologický celek označujeme pojmem: psychopat osobnost neurotik Otázka číslo: 2 Osobnost je individuální jednotou aspektů: biologických psychologických rozumových
VíceU Úvod do modelování a simulace systémů
U Úvod do modelování a simulace systémů Vyšetřování rozsáhlých soustav mnohdy nelze provádět analytickým výpočtem.často je nutné zkoumat chování zařízení v mezních situacích, do kterých se skutečné zařízení
VíceTechnická fakulta. Katedra technologických zařízení staveb. Využití neuronových sítí pro integraci PZTS do inteligentních budov.
ČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE Technická fakulta Katedra technologických zařízení staveb Využití neuronových sítí pro integraci PZTS do inteligentních budov diplomová práce Vedoucí práce: Ing. Zdeněk
VíceKódy a kódování dat. Binární (dvojkové) kódy. Kód Aikenův
Kódy a kódování dat Kódování je proces, při kterém se každému znaku nebo postupnosti znaků daného souboru znaků jednoznačně přiřadí znak nebo postupnost znaků z jiného souboru znaků. Kódování je tedy transformace
VíceVýukový materiál zpracován v rámci projektu EU peníze školám
Výukový materiál zpracován v rámci projektu EU peníze školám Registrační číslo projektu: Šablona/číslo materiálu: Jméno autora: CZ.1.07/1.5.00/34.0996 III/2 VY_32_INOVACE_TVD537 Mgr. Lucie Křepelová Třída/ročník
VíceToolbox pro neuronové sítě pro prostředí Mathematica
Toolbox pro neuronové sítě pro prostředí Mathematica Toolbox for Neural Networks in the environment Mathematica Bc. Martin Macháč Diplomová práce 2009 UTB ve Zlíně, Fakulta aplikované informatiky, 2009
VíceVnímání Metodický list
Vnímání Metodický list společná práce s interaktivní tabulí a sešitem - smysly, vjem společná práce s interaktivní tabulí - optický klam samostatná práce do sešitů - zapojíme všechny smysly Obecné informace
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
VíceBioelektromagnetismus. Zdeněk Tošner
Bioelektromagnetismus Zdeněk Tošner Bioelektromagnetismus Elektrické, elektromagnetické a magnetické jevy odehrávající se v biologických tkáních elektromagnetické vlastnosti tkání chování vzrušivých tkání
VíceFourierova transformace
Fourierova transformace EO Přednáška Pavel Máša ÚVODEM Známe Fourierovy řady v komplexním tvaru f(t) = 1X k= 1 A k e jk! t Spektrum této řady je diskrétní A k = 1 T Obvody tedy musíme řešit v HUS člen
VíceKódováni dat. Kódy používané pro strojové operace
Kódováni dat Před zpracováním dat například v počítači je třeba znaky převést do tvaru, kterému počítač rozumí, tj. přiřadit jim určité kombinace bitů. Tomuto převodu se říká kódování. Kód je předpis pro
VíceDIGITÁLNÍ FOTOGRAFIE
DIGITÁLNÍ FOTOGRAFIE Petr Vaněček, katedra informatiky a výpočetní techniky Fakulta aplikovaných věd, Západočeská univerzita v Plzni 19. listopadu 2009 1888, Geroge Eastman You press the button, we do
VíceDigitální učební materiál
Digitální učební materiál Projekt CZ.1.07/1.5.00/34.0415 Inovujeme, inovujeme Šablona III/2 Inovace a zkvalitnění výuky prostřednictvím ICT (DUM) Tematická Nervová soustava Společná pro celou sadu oblast
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
VíceOstrov objevů multismyslové kurzy pro nejmenší Konference Mensa pro rozvoj nadání 13.3.2014
Ostrov objevů multismyslové kurzy pro nejmenší Konference Mensa pro rozvoj nadání 13.3.2014 MUDr. Zuzana Ludvíková Ostrov objevů Ostrov objevů je unikátní program pro děti od 1-3 let, který si na základě
VíceNEURONOVÉ SÍTĚ EVA VOLNÁ CZ.1.07/2.2.00/
NEURONOVÉ SÍTĚ EVA VOLNÁ CZ.1.07/..00/9.0006 OSTRAVA, červen 013 Studijní opora je jedním z výstupu projektu ESF OP VK. Číslo Prioritní osy: 7. Oblast podpory: 7.. Vysokoškolské vzdělávání Příjemce: Ostravská
Více10. Reflexy a reakční doba.
1 10. Reflexy a reakční doba. Živé organismy musí registrovat změny ve svém okolí a adekvátně reagovat. Reflexní přizpůsobení zahrnuje receptory, které registrují změnu, sensorické neurony, které posílají
VíceSMYSLY VY_32_INOVACE_10_12_PŘ
SMYSLY VY_32_INOVACE_10_12_PŘ VY_32_INOVACE_10_12_PŘ SMYSLY Anotace Autor Jazyk Očekávaný výstup Speciální vzdělávací potřeby Klíčová slova Druh učebního materiálu Druh interaktivity Cílová skupina Stupeň
VíceAplikovaná numerická matematika
Aplikovaná numerická matematika 6. Metoda nejmenších čtverců doc. Ing. Róbert Lórencz, CSc. České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových systémů Příprava studijních
VíceMěření na unipolárním tranzistoru
Měření na unipolárním tranzistoru Teoretický rozbor: Unipolární tranzistor je polovodičová součástka skládající se z polovodičů tpu N a P. Oproti bipolárnímu tranzistoru má jednu základní výhodu. Bipolární
Více5. Optické počítače. 5.1 Optická propojení
5. Optické počítače Cíl kapitoly Cílem kapitoly je pochopit funkci optických počítačů. Proto tato kapitola doplňuje poznatky z předešlých kapitol k objasnění funkcí optických počítačů Klíčové pojmy Optické
Více12. Booleova algebra, logická funkce určitá a neurčitá, realizace logických funkcí, binární kódy pro algebraické operace.
12. Booleova algebra, logická funkce určitá a neurčitá, realizace logických funkcí, binární kódy pro algebraické operace. Logická proměnná - proměnná nesoucí logickou hodnotu Logická funkce - funkce přiřazující
VíceANALÝZA A KLASIFIKACE DAT
ANALÝZA A KLASIFIKACE DAT prof. Ing. Jiří Holčík, CSc. INVESTICE Institut DO biostatistiky ROZVOJE VZDĚLÁVÁNÍ a analýz III. PŘÍZNAKOVÁ KLASIFIKACE - ÚVOD PŘÍZNAKOVÝ POPIS Příznakový obraz x zpracovávaných
VíceFlexibilita jednoduché naprogramování a přeprogramování řídícího systému
Téma 40 Jiří Cigler Zadání Číslicové řízení. Digitalizace a tvarování. Diskrétní systémy a jejich vlastnosti. Řízení diskrétních systémů. Diskrétní popis spojité soustavy. Návrh emulací. Nelineární řízení.
VíceŘečové technologie pomáhají překonávat bariéry
Řečové technologie pomáhají překonávat bariéry Luděk Müller, Jakub Kanis Oddělení umělé inteligence, Katedra kybernetiky, Fakulta aplikovaných věd, Západočeská univerzita v Plzni 18.1.2008 1 Obsah Pomoc
Vícea) vnímání = proces, kterým zachycujeme to, co v daném okamžiku působí na naše smysly
Otázka: Psychické procesy Předmět: Základy společenských věd Přidal(a): mirka 1)Poznávací procesy a) vnímání = proces, kterým zachycujeme to, co v daném okamžiku působí na naše smysly - podnět-> počitek->
Více