Přehled studia | Přehled oborů | Všechny skupiny předmětů | Všechny předměty | Seznam rolí | Vysvětlivky               Návod
X31ASN Algoritmy a struktury neuropočítačů Rozsah výuky:2+2
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.

Rozsah výuky v kombinované formě studia: 14+4
Typ cvičení: s, c
Předmět je nabízen také v anglické verzi.

Předmět je zahrnut do těchto studijních plánů:
Plán Obor Role Dop. semestr
MEL01 Elektronika Z 3


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)