Aplikace vícehodnotové logiky (FSI-SAL)

Akademický rok 2023/2024
Garant: prof. RNDr. Miloslav Druckmüller, CSc.  
Garantující pracoviště: ÚM všechny předměty garantované tímto pracovištěm
Jazyk výuky: čeština
Cíle předmětu:

Cílem kurzu je seznámit studenty s metodami vícehodnotové logiky a tvorby expertních systémů. Dále se studenti naučí navrhnout jednoduchý systém založený na strojovém učení a seznámí se s teoretickými i praktickými základy neuronových sítí.

Výstupy studia a kompetence:
  1. Terminologie a vysvětlení pojmů vícehodnotové logiky.
  2. Zavedení slovních modelů, návrh expertního systému.
  3. Metody strojového učení.
  4. Neuronové sítě (NN) - základní vlastnosti a pojmy.
  5. Využití NN pro analýzu textu, řeči, obrazu (CNN). Návrh vlastní neuronové sítě bez i s použitím předtrénovaných modelů.

 

Prerekvizity:

Matematická logika.

Teorie fuzzy množin.

Obsah předmětu (anotace):

Kurz je určen pro studenty matematického inženýrství a obsahuje teorii vícehodnotové logiky, slovní proměnné a slovních modelů a teorii expertních systémů. Součástí předmětu je i praktické navržení expertního systému založeného na Lukasiewiczově nebo Mamdaniho logice.

Druhá část kurzu je věnována strojovému učení a neuronovým sítím, které jsou používány pro moderní aplikace expertních systémů. Studenti se seznámí se základní terminologií, dále s různými druhy a jejich použití pro aplikace (analýza řeči, obrazu, atd.)

Metody vyučování:
Předmět je vyučován formou přednášek, které mají charakter výkladu základních principů a teorie dané disciplíny. Cvičení je zaměřeno na praktické zvládnutí látky probrané na přednáškách.
Způsob a kritéria hodnocení:

Klasifikovaný zápočet na základě odevzdání semestrální práce (70 procent) a ústního zkoušení probrané teorie (30 procent).

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky:

Účast na výuce je povinná, v případě absence je nutné vypracovat náhradní úkoly.

Typ (způsob) výuky:
    Přednáška  13 × 2 hod. povinná                  
    Cvičení s počítačovou podporou  13 × 1 hod. povinná                  
Osnova:
    Přednáška

1. Vícehodnotová logika, formule, pravdivostní ohodnocení.
2. T-normy, T-konormy, zobecněné implikace.
3. Slovní proměnné a slovní modely, znalostní báze expertního systému.
4. Lukasiewiczova logika, Mamdaniho princip.
5. Inferenční mechanismus a jeho implementace, redundance a spory ve znalostní bázi, problém pokrytí definičního oboru znalostní bází.
6. Návrh expertního systému.
7. Strojové učení (rozhodovací stromy, kNN metody, Support Vector Machine).
8.- 9. Analýza textu, chatbot.
10. Základy neuronových sítí, návrh. Práce s vícevrstevnými neuronovými sítěmi (Deep Learning). 
11. Konvoluční neuronové sítě (CNN) .
12.-13. Práce na semestrálním projektu, konzultace.


 

    Cvičení s počítačovou podporou

Témata na práci ve cvičeních jsou úzce spjata s přednášenou látkou. V rámci počítačových cvičení budou jednotlivé oblasti implementovány v softwaru Matlab, event. Python. Pro návrh chatbota bude použit IBM Watson Assistant. 


1. Vícehodnotová logika, formule, pravdivostní ohodnocení.
2. T-normy, T-konormy, zobecněné implikace.
3. Slovní proměnné a slovní modely, znalostní báze expertního systému.
4. Lukasiewiczova logika, Mamdaniho princip.
5. Inferenční mechanismus a jeho implementace, redundance a spory ve znalostní bázi, problém pokrytí definičního oboru znalostní bází.
6. Návrh expertního systému.
7. Strojové učení (rozhodovací stromy, kNN metody, Support Vector Machine).
8.- 9. Analýza textu, chatbot.
10. Základy neuronových sítí, návrh. Práce s vícevrstevnými neuronovými sítěmi (Deep Learning).
11. Konvoluční neuronové sítě (CNN) .
12.-13. Práce na semestrálním projektu, konzultace.


 

Literatura - základní:
4. Druckmüller, M.: Technické aplikace vícehodnotové logiky, PC- DIR , Brno 1998
Literatura - doporučená:
1. Neural Networks and Deep Learning. Online. Michael Nielsen, 2015. Dostupné z: http://neuralnetworksanddeeplearning.com/. [cit. 2023-10-30].
Zařazení předmětu ve studijních programech:
Program Forma Obor Spec. Typ ukončení   Kredity     Povinnost     St.     Roč.     Semestr  
N-MAI-P prezenční studium --- bez specializace -- kl 4 Volitelný 2 1 L