Název předmětu:		Neuronové sítě
Ústav:		445 - Ústav počítačové a řídicí techniky
Přednášející:		Prof. Ing. Aleš Procházka, CSc.
Zástupce:		Doc. Ing. Jaromír Kukal
Typ předmětu:		povinný
Rozsah / zakončení:		2/2 z,Zk
Kredity		5
Doporučený ročník / semestr:		1/2
Povinné předcházející předměty:
Doporučené předcházející předměty:		Číslicové zpracování signálů a obrazů
Souhrn:
Předmět je zaměřen na mezioborové metody počítačové inteligence se zaměřením na konstrukci, optimalizaci a využití umělých neuronových sítí pro adaptivní potlačování rušivých složek signálů, pro predikci časových řad a dále pro rozpoznávání a klasifikaci komponent signálů a obrazů včetně včasné diagnostiky poruch. Aplikační část zahrnuje predikci spotřeby plynu a dále analýzu biomedicínských dat.
Anotace:
1	Elementy počítačové inteligence, základní matematické modely neuronů
2	Struktura modelů neuronu, přenosové funkce, principy učení
3	Jednovrstvé sítě, perceptron, architektura neuronu a sítě
4	Princip výpočtu parametrů sítě
5	Adaptivní lineární element, architektura sítě a její učení
6	Užití neuronových sítí při potlačování rušivých složek biomedicínských signálů
7	Vícevrstvé sítě, struktura modelů
8	Principy učení a trénování vícevrstvých sítí, optimalizace parametrů
9	Základní optimalizační metody (backpropagation, Levenberg-Marquardtův algoritmus)
10	Lineární a nelineární metody predikce časových řad
11	Aplikace neuronových sítí při predikci signálů a modelování systémů
12	Samoorganizující se sítě a mapy
13	Inicializace a učení sítí pro klasifikaci příznaků
14	Aplikace neuronových sítí při klasifikaci segmentů časových řad a obrazů
Literatura:
[1]	Šnorek M., Jiřina M., Neuronové sítě a neuropočítače, vydavatelství ČVUT, Praha 1998
[2]	Haykin S., Neural Networks: A Comprehensive Foundation, Prentice Hall, 1999
[3]	Ham F.M., Kostanic I., Principles of Neurocomputing for Science and Engineering, McGraw Hill, 2001
[4]	Engelbrecht A.P., Computational Intelligence, John Wiley, 2005
[5]	Eliasmith C., Anderson C.H., Neural Engineering: Computation, Representation, and Dynamics in Neurobiological Systems, The MIT Press, 2003
[6]	Bishop C.M., Pattern Recognition and Machine Learning, Springer, 2007