Umělá inteligence a rozpoznávání

Podobné dokumenty
Václav Matoušek KIV. Umělá inteligence a rozpoznávání. Václav Matoušek / KIV

MATEMATICKÁ TEORIE ROZHODOVÁNÍ

Znalostní technologie proč a jak?

MATEMATICKÁ TEORIE ROZHODOVÁNÍ

Moderní systémy pro získávání znalostí z informací a dat

Základy umělé inteligence

Pokročilé operace s obrazem

Strojové učení Marta Vomlelová

UITS / ISY. Ústav inteligentních systémů Fakulta informačních technologií VUT v Brně. ISY: Výzkumná skupina inteligentních systémů 1 / 14

Učící se klasifikátory obrazu v průmyslu

Marta Vomlelová

Algoritmy a struktury neuropočítačů ASN P9 SVM Support vector machines Support vector networks (Algoritmus podpůrných vektorů)

Další povinnosti / odb. praxe. Návrh témat prací. Návaznost na další stud. prog.

Úvod do optimalizace, metody hladké optimalizace

Informace pro výběr bakalářského oboru

D Charakteristika studijního předmětu

Ústav automatizace a měřicí techniky.

IB013 Logické programování I Hana Rudová. jaro 2011

Architektury počítačů

IUVENTAS Soukromé gymnázium a Střední odborná škola, s. r. o. Umělá inteligence. Jméno: Třída: Rok:

Obecná teorie systémů

Použití technik UI v algoritmickém obchodování II

Počítačová geometrie I

H. Dreyfuss: What computers can t do, 1972 What computers still can t do, J. Weizenbaum. Computer power and human reason, 1976

Automatizační a měřicí technika (B-AMT)

Zabýváme se konstrukcí racionálních agentů.

Základní grafové algoritmy

Kybernetika a umělá inteligence, cvičení 10/11

Seznam úloh v rámci Interního grantového systému EPI

Speciální numerické metody 4. ročník bakalářského studia. Cvičení: Ing. Petr Lehner Přednášky: doc. Ing. Martin Krejsa, Ph.D.

Vybrané přístupy řešení neurčitosti

Využití metod strojového učení v bioinformatice David Hoksza

Inteligentní systémy. Informace o bakalářském oboru. Jiří Lažanský. Zdeněk Hanzálek (katedra řídicí techniky) Michal Pěchouček (katedra kybernetiky)

Jak se matematika poučila v biologii

1. Znalostní systémy a znalostní inženýrství - úvod. Znalostní systémy. úvodní úvahy a předpoklady. 26. září 2017

Zpracování neurčitosti

ití empirických modelů při i optimalizaci procesu mokré granulace léčivl ková SVK ÚOT

Lineární diskriminační funkce. Perceptronový algoritmus.

Genetické programování 3. část

Inteligentní systémy a neuronové sítě

0,7 0,6 0,5 0,4 0,3 0,2 0,1

Rozdělování dat do trénovacích a testovacích množin

Historie a vývoj umělé inteligence

Biologicky inspirované výpočty. Schématické rozdělení problematiky a výuky

Ing. Petr Hájek, Ph.D. Podpora přednášky kurzu Aplikace umělé inteligence

INFORMATIKA. Jindřich Kaluža. Ludmila Kalužová

Myšlenkové mapy v Linuxu

Expertní systémy. 1. Úvod k expertním systémům. Cíl kapitoly:

Základy umělé inteligence

Vývojové trendy 1. Dnešní téma. Vývojové trendy 2. Vývojové trendy ve zpracování informací a znalostí

5.1.7 Informatika a výpočetní technika. Časové, obsahové a organizační vymezení. ročník hodinová dotace

ZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ

Metody návrhu algoritmů, příklady. IB111 Programování a algoritmizace

Testování a verifikace softwaru

Evoluční algoritmy. Podmínka zastavení počet iterací kvalita nejlepšího jedince v populaci změna kvality nejlepšího jedince mezi iteracemi

Informatika a výpočetní technika 1. roč./1. sem. 1. roč./2. sem. 2. roč./3. sem. 1 kr. Povinné předměty pro obor IVT

Téma 48 (dříve 47) Martin Staviař, 16. srpna 2006

Informatika. tercie. Mgr. Kateřina Macová 1

2. Mechatronický výrobek 17

ANALÝZA A KLASIFIKACE DAT

7. Inferenční metody. Inferenční metody Václav Matoušek, Josef Strolený Úvod do znalostního inženýrství, ZS 2014/

Emergence chování robotických agentů: neuroevoluce

METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1

TECHNICKÁ UNIVERZITA V LIBERCI

Nový bakalářský studijní obor Biomedicínská informatika na Fakultě biomedicínského inženýrství v Kladně

Katedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Katedra počítačů, Computational Intelligence Group

7. Pracovní postupy. Fakulta informačních technologií MI-NFA, zimní semestr 2011/2012 Jan Schmidt

Úvod do expertních systémů

Tvorba informačních systémů

ADAPTACE PARAMETRU SIMULAČNÍHO MODELU ASYNCHRONNÍHO STROJE PARAMETR ADAPTATION IN SIMULATION MODEL OF THE ASYNCHRONOUS MACHINE

Dobývání a vizualizace znalostí

Programování virtuálních agentů Platforma Pogamut

1. Predikátová logika jako prostedek reprezentace znalostí

1. Data mining. Strojové učení. Základní úlohy.

Konceptualizace, komunikace a reprezentace znalostí

Systémové inženýrství

Neuronové sítě Ladislav Horký Karel Břinda

ZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ

OSA. maximalizace minimalizace 1/22

Řízení projektů Simulační projekt

EXPERTNÍ SYSTÉMY V CHOVU VČEL A MOŽNOSTI JEJICH VYUŽITÍ V. Vostrovský Katedra informatiky, Vysoká škola zemědělská, Praha 6 Suchdol, tel.

OBLASTI VEDENÍ ZÁVĚREČNÝCH PRACÍ PEDAGOGŮ INSTITUTU 545

Tematické okruhy pro Státní závěrečné zkoušky

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.

Mezinárodní finanční trhy

Navazující magisterský studijní program APLIKOVANÁ INŽENÝRSKÁ INFORMATIKA

ANALÝZA A KLASIFIKACE BIOMEDICÍNSKÝCH DAT. Institut biostatistiky a analýz

Zvyšování efektivity jaderné elektrárny s využitím umělé inteligence

Následující text je součástí učebních textů předmětu Bi0034 Analýza a klasifikace dat a je určen

Úloha - rozpoznávání číslic

Možnosti modelování systému pro elektronickou podporu vzdělání. Modelling Capabilities of the Electronic Support of Education.

4.8 Jak jsme na tom v porovnání s jinými přístupy

Přílohy. Obchodní strategie firmy STAPRO společnost s ručením omezeným

Modernizace a inovace výpočetní kapacity laboratoří ITE pro účely strojového učení. Jiří Málek

Aplikovaná informatika

EVA VOLNÁ MARTIN KOTYRBA MICHAL JANOŠEK VÁCLAV KOCIAN

PŘEDNÁŠKA 03 OPTIMALIZAČNÍ METODY Optimization methods


Úvod do teorie grafů

Analýzou dat k efektivnějšímu rozhodování

Transkript:

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 počítačových systémů, prezentace inteligentních systémů 18. 2. Řešení úloh, strategie hledání řešení, jednoduché metody hledání řešení úloh (slepé strategie) a jejich programová realizace, příklady řešení úloh 25. 2. Heuristické metody hledání řešení úloh, jejich efektivnost, příklady; hraní jednoduchých her a možnosti jeho efektivní implementace, příklady 4. 3. Dekompozice úlohy, AND/OR grafy a jejich implementace, úvod do evolučních algoritmů, genetické algoritmy a jejich programová realizace 11. 3. Evoluční strategie a evoluční programování, simulované žíhání, zakázané prohledávání, umělý život, implementace některých algoritmů, ukázky 18. 3. Klasifikace, rozpoznávání a shlukování základní pojmy, členění metod, typy klasifikátorů, obecná klasifikační úloha, evaluační metrika, příklady aplikací 25. 3. Příznakové metody rozpoznávání volba a výběr příznaků, jednoduché klasifikátory a jejich použití, metody učení, příklady, 8. 4. Strukturní metody rozpoznávání tvorba a analýza popisných struktur, zdroje informace, počítačové zpracování popisných struktur, příklady 0-2

15. 4. Klasifikace umělými neuronovými sítěmi typy umělých neuronových sítí, algoritmy jejich trénování, simulátory, příklady 22. 4. Základy formální logiky a logického programování; úvod do reprezentace znalostí, základní typy znalostních systémů a jejich struktura, příklady 29. 4. Úvod do medicínské informatiky nervový systém, mozek, smysly, paměť, jazyk a řeč; modelování nervového systému a jeho prvků, ukázky, příklady aplikací 6. 5. Základy strojového učení, struktura a vlastnosti inteligentních softwarových agentů, návrh a programová realizace inteligentních agentů, ukázky, příklady 13. 5. Komunikace člověk počítač v přirozeném jazyce, druhy a modely komunikace, analýza promluvy, zásady vedení dialogu, příklady Veškeré informace lze v elektronické podobě nalézt na webových stránkách KIV na adrese http://www.kiv.zcu.cz/studies/predmety/uir/ nebo na adrese http://portal.zcu.cz/ (vyhledat předmět KIV/UIR). 0-3

Literatura základní Mařík V., Štěpánková O., Lažanský J. a kol: Umělá inteligence (1). Academia, Praha, 1993 Mařík V., Štěpánková O., Lažanský J. a kol: Umělá inteligence (2). Academia, Praha, 1997 Mařík V., Štěpánková O., Lažanský J. a kol: Umělá inteligence (3). Academia, Praha, 2001 Mařík V., Štěpánková O., Lažanský J. a kol: Umělá inteligence (4). Academia, Praha, 2003 Mařík V., Štěpánková O., Lažanský J. a kol: Umělá inteligence (5). Academia, Praha, 2007 Mařík V., Štěpánková O., Lažanský J. a kol: Umělá inteligence (6). Academia, Praha, 2013 Lukasová A.: Formální logika v umělé inteligenci. Computer Press, Brno, 2003 Russel, S., Norwig P.: Artificial Intelligence A Modern Approach. 2 nd Edition, Prentice Hall & Pearson Education, Inc., New Jersey, 2003 Schalkoff R.J.: Artificial Intelligence An Engineering Approach. McGraw-Hill, New York, 1990 Nilsson N. J.: Principles of Artificial Intelligence. Springer Verlag, Berlin, 1982 2009 Kotek Z., Mařík V. a kol: Metody rozpoznávání a jejich aplikace. Academia, 1993 Jirků P. a kol.: Programování v jazyku Prolog. SNTL, Praha, 1991 Kubík A.: Inteligentní agenty tvorba aplikačního software na bázi multiagentových systémů. Computer Press, Brno, 2007 0-4

Literatura doplňková Zelinka I.: Umělá inteligence v problémech globální optimalizace. BEN, Praha, 2002 Plšek B.: Umělá inteligence v modelování a řízení. BEN, Praha, 1996 Zelinka I.: Umělá inteligence hrozba nebo naděje? BEN, Praha, 2003 Hammer M.: Metody umělé inteligence v diagnostice elektrických spojů. BEN, 2009 Novák, M. a kol.: Umělé neuronové sítě teorie a aplikace. C.H.Beck, Praha, 1998 Dvořák, J.: Expertní systémy, Skriptum VUT Brno, 2004, http://www.uai.fme.vutbr.cz/~jdvorak/opory/expertnisystemy.pdf Brenner, W., Zarnekow, R., Wittig, H.: Intelligente Softwareagenten. Springer Verlag, Berlin, Heidelberg, 1998 0-5