UIDI004 Teorie a aplikace umělých neuronových sítí

Filozoficko-přírodovědecká fakulta v Opavě
zima 2016
Rozsah
0/0. 0 kr. Ukončení: dzk.
Garance
prof. Ing. Dušan Marček, CSc.
Ústav informatiky – Filozoficko-přírodovědecká fakulta v Opavě
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Předmět seznamuje s aktuálními trendy, problémy a pokroky v oblasti teorie a aplikací umělých neuronových sítí a zahrne i metody teorie učení pro identifikaci nelineárních chaotických systémů, vývoj učících algoritmů sítí na predikci ekonomických procesů založených na jiných než statistických kriteriích (minimalizace chyby predikce), třeba na požadovaných účelových kritériích např. požadovaných (maximalizovaných) výnosů při uplatnení specifických obchodních, finančních, a investičních stratégií s aplikací modifikovaných učících SVM (Support Vector Machines) technik a aplikace rekurentních UNS. Dále se uvede do problematiky výzkumu a aplikací klasifikátorů, kvantizátorů a prediktorů založených na neurovýpočtech s komplementárnou podporou matematické statistiky a teorie fuzzy množin, na algoritmizaci a predikci technických a ekonomických procesů, na transformace, kompresy a přenos dat a pod. Odborná literatura: 1. Cristianini, N., Shawe-Taylor, J.: An Introduction to Support Vector Machines. Cambridge University Press, Cambridge, 2000 2. Goonatilake, S., Treleaven, P.: Inteligent Systems for Finance and Businnes. John Wiley & Sons, Chishester, UK, 1995 3. Kosko, B.: Neural Network and Fuzzy Systems. Prentice-Hall, Englewood Cliffs, NJ, 1992 4. Kvasnička, V., Beňušková, Ľ., Pospíchal, J., Tiňo, P., Farkaš, I.: Úvod do teórie neurónových sietí, IRIS, Bratislava 1989. 5. Vapnik, V.: Statistical Learning Theory. John Wiley, New York, 1998
Literatura
    doporučená literatura
  • Haykin, S. Kalman Filtering and Neural Networks. NY: John Wiley and Sons, 2002. info
  • Kecman, V. Learning and Soft Computing, Support Vector Machines, Neural Networks, and Fuzzy Logic Models. Massachusetts Institute of Technology, The MIT P, 2001. info
  • Hassoun, M.H. Fundamentals ofArtificial Neural Networks. The MIT Press, Cambridge, Messachusetts,London, 1994. info
  • Hertz, J.; Krogh, A.; Palmer, R., G. Introduction to the Theory of Neural Computation. Addison-esley, 1991. info
Výukové metody
Přednáška s aktivizací
Přednáška s analýzou videozáznamu
Metody hodnocení
Zkouška
Informace učitele
Teoretické a praktické zvládnutí témat předmětu, podmínky budou upřesněny na začátku výuky.
Další komentáře
Předmět je dovoleno ukončit i mimo zkouškové období.
Předmět je zařazen také v obdobích zima 2006, léto 2007, zima 2007, léto 2008, zima 2008, léto 2009, zima 2009, léto 2010, zima 2010, léto 2011, zima 2011, léto 2012, zima 2012, léto 2013, zima 2013, léto 2014, zima 2014, léto 2015, zima 2015, léto 2016, léto 2017, zima 2017, léto 2018, zima 2018, léto 2019, zima 2019, léto 2020, zima 2020, léto 2021, zima 2021, léto 2022.