Přehled studia |
Přehled oborů |
Všechny skupiny předmětů |
Všechny předměty |
Seznam rolí |
Vysvětlivky
Návod
Webová stránka:
https://moodle.fel.cvut.cz/courses/A0M31ASN
Anotace:
Cílem předmětu je seznámení se základními principy a možností aplikací neuronové informační technologie při zpracování signálů. Pozornost je věnována úvodu do teorie umělých neuronových sítí a jejich aplikacím, optimalizaci struktury, výběru dat, otázce klasifikace. Podrobněji budou probírány otázky zpracování řečového signálu a aplikace umělých neuronových sítí při analýze, rozpoznávání a syntéze řeči. Látka je rozšířena o některé aplikace umělých neuronových sítí v biomedicínském inženýrství. Jsou to aplikace související se zpracováním EEG a EKG, ale také otázky související s možnostmi aplikací UNS v rehabilitačním lékařství. Další rozšíření se týká základů realizací umělých neuronových sítí.
Výsledek studentské ankety předmětu je zde:
A0M31ASN
Cíle studia:
V počítačově seminárních cvičeních studenti získají praktické zkušenosti s používáním MATLABu, a to Neural Network Toolboxu, a originálního softwaru vytvořeného na katedře v pracovní skupině LANNA, který se týká aplikací MLNN, SOM a jejich variant. Naší snahou je umožnit studentům seznámit se s perspektivními tematickými oblastmi běžnými v zahraničí a pomoci orientovat se budoucím diplomantům v dalších možných tématech diplomových prací z oblasti zpracování signálů za pomoci neuronových sítí, zejména na analýzu, rozpoznání, syntézu řeči (normální i patologické) a na analýzu emocí.
Obsah:
Předmět je úvodem do teorie a aplikací nejrozšířenějších paradigmat umělých neuronových sítí. Pozornost je věnována především vícevrstvým neuronovým sítím a několika variantám algoritmu učení BPG a klasickým samoorganizujícím se sítím i novější variantě samoorganizace s učitelem. Samostatné úlohy jsou řešeny v programovém systému MATLAB a ve specializovaném volně šiřitelném softwaru z Helsinské technické univerzity.
Osnovy přednášek:
| 1. | | Neuronové sítě - historie, biologické a umělé NS, jejich využití pro zpracování |
signálů. Modely neuronu, aktivační funkce.
| 2. | | Topologie, principy učení umělých neuronových sítí. Samoorganizující se sítě (SOM), Kohonenovy mapy |
(KSOM).
| 3. | | SOM, SOM s učitelem, vizualizace map (U-mapy), LVQ klasifikátor. |
| 4. | | Vícevrstvé sítě - dopředné a Elmanovy, MLNN s učením zpětného šíření chyby (BPG). |
| 5. | | Základní učení BPG a jeho modifikace. |
| 6. | | Hluboké neuronové sítě (Deep neural networks). |
| 7. | | Optimalizace struktury, Metody Data Mining, klestění neuronové sítě, výběr vstupních dat. |
| 8. | | Učení SVM (Support Vector Machine). |
| 9. | | UNS a úlohy predikce a klasifikace. |
| 10. | | Aplikace UNS při zpracování řeči a analýze emocí. Základní pojmy z fonetiky, charakteristiky mluvené |
řeči, charakteristické vlastnosti patologické řeči.
| 11. | | Syntezátory řeči. Rozpoznání obrazu. |
| 12. | | Aplikace UNS v neurologii, rehabilitačním lékařství a ve vybraných dalších odvětvích medicíny. |
| 13. | | Speciální struktury UNS, fuzzy-neuronové sítě, genetické algoritmy. |
| 14. | | Realizace umělých neuronových sítí. Neuropočítače. Ostatní aplikace neuronových sítí. |
Osnovy cvičení:
| 1. | | Úvod, základy NN-Toolboxu pro MATLAB, informace o samostatných úlohách. |
| 2. | | Základní funkce UNS, perceptron, ADALINE, MADALINE, LMS pravidlo. |
| 3. | | Samoorganizující se sítě, SOM s učitelem, U-matice. NN Toolbox, MATLAB. |
| 4. | | Kohonenovy mapy - SOM Toolbox.. LVQ algoritmy - NN Toolbox, MATLAB. |
| 5. | | Vrstevnaté neuronové sítě. Zadání samostatných úloh. |
| 6. | | Algoritmy modifikovaného učení BPG. |
| 7. | | Hluboké neuronové sítě. |
| 8. | | Experimenty s programovým systémem Speech Laboratory. Práce na samostatné úloze. |
| 9. | | Odevzdání a prezentace tezí samostatné úlohy - kontrola. |
| 10. | | Optimalizace neuronové sítě klestěním. Práce na samostatné úloze. |
| 11. | | Experimentování s parametry neuronové sítě. Práce na samostatné úloze. |
| 12. | | Experimenty s programovým systémem SOM Toolbox. Práce na samostatné úloze. |
| 13. | | Práce na samostatné úloze. |
| 14. | | Odevzdání samostatné úlohy, zápočet. |
Literatura:
| 1. | | Tučková, J.: Vybrané aplikace umělých neuronových sítí při zpracování signálů. Monografie, ČVUT v Praze, Česká technika-nakladatelství ČVUT, 2009, ISBN 976-80-01-04229-8 |
| 2. | | Tučková, J.: Úvod do teorie a aplikací umělých neuronových sítí. Skripta FEL ČVUT v Praze, vydavatelství ČVUT, 2005, ISBN 80-01-02800-3. |
| 3. | | Tučková, J., Bártů, M., Zetocha, P.: Aplikace umělých neuronových sítí při zpracování signálů.Skripta ČVUT v Praze, 2009, ISBN 978-80-01-04400-1. |
| 4. | | Novák, M. a kol.: Umělé neuronové sítě, teorie a aplikace. C.H.Beck, Praha 1998, ISBN 80-7179-732-6. |
| 5. | | Knihovna SOM Toolbox 2.0. www.cis.hut.fi/projects/somtoolbox/download. |
| 6. | | Šnorek, M. Jiřina, M.: Neuronové sítě a neuropočítače. Skripta ČVUT, Praha 1996. |
| 7. | | Uhlíř, J., Sovka, P.: Číslicové zpracování signálů. Monografie ČVUT, Praha 1995. |
Požadavky:
Jsou požadovány základní znalosti ze zpracování řečového a obrazového signálu, MATLAB, aplikace počtu pravděpodobnosti a statistiky. Podmínkou zápočtu je aktivní účast na cvičeních a vypracování samostatné úlohy. Více na
http://amber.feld.cvut.cz/SSC.
Poznámka:
| Rozsah výuky v magisterské etapě studia: 14p+14c |
Klíčová slova:
Neuronové sítě Vícevrstvé neuronové sítě Samoorganizace, Kohonenovy mapy Aplikace Zpracování signálů
Předmět je zahrnut do těchto studijních plánů:
| Plán |
Obor |
Role |
Dop. semestr |
| Stránka vytvořena 21.3.2025 17:50:49, semestry: Z,L/2024-5, Z,L/2025-6, připomínky k informační náplni zasílejte správci studijních plánů |
Návrh a realizace: I. Halaška (K336), J. Novák (K336) |