Neurónové siete je kurz ponúknutý v druhom ročníku bakalárskeho štúdia pre študijný program Inteligentné systémy. Kurz nadväzuje na kurzy Základy inteligencie systémov a Umelá inteligencia. Venuje sa umelým neurónovým sieťam, ich typom a využitiu.
Informačný list predmetu je dostupný na školskom portáli.
Vzhľadom na pretrvávajúce opatrenia v súvislosti s pandémiou COVID-19 všetky prednášky a cvičenia sú online až do odvolania.
Prednáška z predmetu je v utorok o 13:30 v miestnosti S07 (bývalá PC5) v budove PK6. Cvičenia sú v pondelok o 7:30 v miestnosti 102 v budove V4 a o 10:50 v miestnosti 147 v budove V4. Účasť na cvičeniach je povinná, študent môže mať maximálne tri neúčasti za semester.
| Týždeň | Prednáška | Cvičenie | Zadania |
|---|---|---|---|
| Týždeň 1 15. 2. - 21. 2. |
Úvod do neurónových sietí | matematické základy neurónových sietí | zverejnenie zadania 1 |
| Týždeň 2 22. 2. - 28. 2. |
Biologické aspekty modelovania NS, výpočtová a virtuálna inteligencia, NS ako prostriedok UI, základné prvky topológie NS, stratégie učenia NS | perceptrón | |
| Týždeň 3 1. 3. - 7. 3. |
Globálna stabilita NS, konvergencia NS, typy riešených úloh pomocou NS, kontrolované učenie na FF NS, perceptrón, konvergenčná teoréma, XOR problém, terminologický problém perceptrónu | multilayer perceptron | |
| Týždeň 4 8. 3. - 14. 3. |
Wienerove filtre, metóda najstrmšieho zostupu, metóda najmenšej kvadratickej chyby, Adaline, delta pravidlo | odvodenie backpropagation algoritmu príklad |
zverejnenie zadania 2 |
| Týždeň 5 15. 3. - 21. 3. |
Metóda spätného šírenia chyby (backpropagation), BP cez čas, metódy urýchlenia konvergencie BP, funkcionálne linky, RBF siete, metóda kaskádnej korelácie BP | predspracovanie údajov, metodológia trénovania NS, vyhodnotenie NS | odovzdávka zadania 1 |
| Týždeň 6 22. 3. - 28. 3. |
Dôležité poznámky k návrhu NS | NS v Tensorflow a Keras | |
| Týždeň 7 29. 3. - 4. 4. |
Nekontrolované učenie na FF NS, konkurenčné učenie, MAXNET, Kohonenove siete, Ojove adaptačné pravidlo | prezentácia článkov | zverejnenie zadania 3 |
| Týždeň 8 5. 4. - 11. 4. |
Veľká Noc | Veľká Noc | |
| Týždeň 9 12. 4. - 18. 4. |
Hybridné metódy učenia na FF NS, counterpropagation, time-delay vstupy na FF NS, rekurentné NS, Hopfieldova NS | nekontrolované učenie | odovzdávka zadania 2 |
| Týždeň 10 19. 4. - 25. 4. |
Kontrolované učenie na RC NS, BP na RC NS, Jordanove a Elmanove siete | autoenkódery | zverejnenie zadania 4 |
| Týždeň 11 26. 4. - 2. 5. |
Nekontrolované učenie na RC NS, ART NS | Hebbovo učenie | |
| Týždeň 12 3. 5. - 19. 5. |
Hybridné prístupy k učeniu, učenie na základe stavu systému | odovzdanie zadaní 3 a 4 | odovzdávka zadania 3 a 4 |
| Týždeň 13 10. 5. - 16. 5. |
Modulárne NS, základné princípy multiagentových systémov | zápočtový týždeň |
- Návod na inštaláciu Pythonu
- Java Neural Network Simulator
- Online Perceptron Training
- Principles of training multi-layer neural network using backpropagation
- The Back Propagation Algorithm
Celkové hodnotenie predmetu je 100 bodov (40 + 60 bodov); študent musí získať viac ako polovicu bodov aj zo zápočtu aj zo skúšky.
Počas semestra odovzdá každý študent štyri zadania:
- prehľadový článok o možnostiach využitia neurónových sietí (15 b),
- implementácia algoritmu backpropagation (10 b)
- trénovanie neurónovej siete pre klasifikáciu pomocou knižnice Keras (5 b),
- implementácia nekontrolovaného učenia pomocou Kohonenovej siete (10 b).
Podmienkou pre získanie zápočtu je dokončenie online kurzu UI do 12. 3. 2021 a následné poskytnutie feedbacku o kvalite kurzu. Bližšie informácie budú zverejnené v prvom týždni semestra.
Priebežné hodnotenie nájdete v tomto dokumente.
Otázky na skúšku nájdete tu. Podrobnejšie informácie k realizácii skúšky sú dostupné tu.
- SINČÁK, ANDREJKOVÁ: Neuronové siete I., Inžiniersky prístup, Elfa, Košice, 1996 - 1. diel, 2. diel
- KRÖSE, van der SMAGT: An Introduction to Neural Networks
- Stuttgart Neural Network Simulator v4.2 User Manual
- HAYKIN: Neural Networks: A Comprehensive Foundation, MacMillan, 1994
- ďalšie zdroje budú dodané na prednáškach