Automatizační a měřicí technika (B-AMT)

Vzorová písemka Poznámka: Bonusové příklady jsou nepovinné, lze za ně ale získat body navíc. (2 body) Definujte pojem gradient. Vypočítejte gradient funkce.
Automatická fonetická segmentace pomocí UNS Registr - 36 neuronových sítí MLNN (pro každou českou hlásku jedna UNS) Trénovací množina: databáze promluv.
Topologie neuronových sítí (struktura, geometrie, architektura)
Problém obchodního cestujícího a příbuzné úlohy Projekt katedry aplikované matematiky – K611 FD ČVUT.
Optimalizace logistického řetězce
Genetické algoritmy [GA]
Algoritmy a struktury neuropočítačů ASN - P1 Prof.Ing. Jana Tučková,CSc. Katedra teorie.
Úvod do umělé inteligence
Automated data mining Ing. Jan Černý Czech Technical University in Prague Faculty of Information Technology.
Ondřej Pokorný ČVUT v Praze FJFI.
DOK „Umělá inteligence“ v DOK (i jinde). NEURONOVÉ SÍTĚ.
Strojové učení I (Mitchell93) učicí množina příkladů hledáme generalizaci učicí množiny ověřujeme na testovací množině pokrytí, přesnost, F-kriterium.
Generátor čtyřúhelníkové sítě Petr Frantík F AKULTA STAVEBNÍ V YSOKÉ UČENÍ TECHNICKÉ V B RNĚ.
Využití umělých neuronových sítí k urychlení evolučních algoritmů
Komprese barev Jakub Gemrot Ondřej Burkert. Popis problému Běžné obrázky mají 16,7 mil. barev Běžné obrázky mají 16,7 mil. barev Problém: Jak je rozumně.
Návrh a optimalizace filtru OTA-C s využitím heuristických algoritmů ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechnická Katedra teorie obvodů.
Odpovědi na otázky Praha 2007 Bc. Dalibor Barri ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechnická Katedra mikroelektroniky.
ADT Strom.
Decision Trees & Genetic Programming 1 Klasické DT V některých případech nepraktické.
Neuronové sítě Jakub Krátký.
Vícevrstvé neuronové sítě.  Neuronové sítě jsou složeny z neuronů tak, že výstup jednoho neuronu je vstupem jednoho nebo více neuronů  Propojení neuronů.
Umělá Inteligence II. Umělá inteligence je vědní disciplína věnující se tvorbě počítačových programů řešících složité úlohy s takovými výsledky, které.
DEFINICE PLODNOSTI GENETIKA PLODNOSTI
Systémy pro podporu managementu 2
Podnikové informační systémy C7 – Data Mining a získávání znalostí České vysoké učení technické v Praze Fakulta strojní ústav Řízení a ekonomiky podniku.
Genetické algoritmy Lukáš Kábrt.
METODY NEKONVENČNÍHO MODELOVÁNÍ S PŘÍSTUPY UMĚLÉ INTELIGENCE
Ústav automatizace a měřicí techniky
Genetické algoritmy [GA]. Historie:  1960: I. Rechenberg – první odborná práce na toto téma „Evolution strategies“  1975: John Holland – první genetický.
Artificial Intelligence (AI).  „Úloha patří do oblasti umělé inteligence, jestliže řešení, které najde člověk považujeme za projev jeho inteligence.
1 Kognitivní inspirace třídění na základě závislostí atributů Jan Burian Eurfomise centrum – Kardio, Ústav informatiky AV ČR Článek je dostupný na WWW:
U MĚLÁ INTELIGENCE Lucie Ježková O3.B. C O TO VLASTNĚ JE ? Obor informatiky, který se zabývá vytvářením strojů, které se dokážou „inteligentně chovat“
EAL Evolutionary Algorithms Library in VC++, Maple and OpenGL.
Systémy pro podporu managementu 2 Inteligentní systémy pro podporu rozhodování 1 (DSS a znalostní systémy)
Moderní byznys Jan Kovařík. ”Zlepší-li se toky informací ve firmě, pak řešení jednotlivých podnikatelských problémů již přijdou sama.” Bill Gates, Byznys.
Umělá inteligence Minského definice: UI je věda o vytváření strojů nebo systémů, které budou při řešení určitého úkolu užívat takového postupu, který –
Klasifikace klasifikace: matematická metoda, kdy vstupní objekty X(i) jsou rozřazovány do tříd podle podobnosti metody klasifikace bez učitele: podoba.
Dolce: Databáze lokálních konformací DNA
Vektorová kvantizace (VQ) (Vector Quantization)
Rozhodovací proces, podpory rozhodovacích procesů
Paralelní algoritmy ve zpracování dat Bc. Jan Hofta Výzkumný úkol:
NAIL028. Úvod  Kdo David Obdržálek  Co algoritmy software hardware  Jak přednáška, cvičení 2/2 Z+Zk.
Přehled metod umělé inteligence a její historie (bakalářská práce) Vedoucí práce: Ing. Ladislav Beránek, CSc., MBA Vypracoval: Michal Jelínek.
W i ref (t+1) = W i ref (t) + h ci (t) [X(t) - W i ref (t)], i Nc h ci (t) 0, t  proces konverguje Algoritmy a struktury neuropočítačů ASN – P3 SOM algoritmus.
Informa č ní systémy pro rozhodování Rozhodnutí o chirurgickém zákroku při kolice u koní podle příznaků Petr Ondrejka.
Hledání minima kvadratického funkcionálu s nehladkým členem přímo a pomocí duality Petr Beremlijski Katedra aplikovaná matematiky Fakulta elektrotechniky.
Genetické algoritmy Petr Sedláček Radek Marciňa Školitel: Ing. Miroslav Čepek 23. listopad 2007.
© Institut biostatistiky a analýz ANALÝZA A KLASIFIKACE DAT prof. Ing. Jiří Holčík, CSc.
CW – 05 TEORIE ROZHODOVACÍCH PROCESŮ Ústav technologie, mechanizace a řízení staveb Fakulta stavební VUT v Brně Ing. Václav Rada, CSc. Leden 2009.
Expertní & znalostní systémy
Praktická využití UNS V medicínských aplikacích Jan Vrba 2006.
Umělá inteligence Robin Horniak. Definice Umělá inteligence (Artificial Intelligence), zkráceně UI (AI) věda, která se zabývá tím, jak přinutit stroje.
Elektrotechnická fakulta ČVUT KATEDRA KYBERNETIKY Vedoucí prof. Ing. Vladimír Mařík, DrSc. KATEDRA KYBERNETIKY ELEKTROTECHNICKÁ.
© Institut biostatistiky a analýz INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ ANALÝZA A KLASIFIKACE DAT prof. Ing. Jiří Holčík, CSc.
Neuronové sítě. Vývoj NS 1943 – W. McCulloch, W. Pittse – první jednoduchý matematický model neuronu 1951 – M. Minsky - první neuropočítač Snark 1957.
Využití technik dataminingu při rozpoznávání znaků Marek Kukačka Květen 2006.
Elektrotechnická fakulta ČVUT KATEDRA KYBERNETIKY Vedoucí prof. Ing. Vladimír Mařík, DrSc. KATEDRA KYBERNETIKY ELEKTROTECHNICKÁ.
Dolování znalostí z vícejazyčných textových dat Luděk Svozil , Brno Vedoucí práce: doc. Ing. František Dařena, Ph.D.
Simulátory umělého života Aplikovatelné v environmentálních informačních systémech.
© Institut biostatistiky a analýz INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ ANALÝZA A KLASIFIKACE DAT prof. Ing. Jiří Holčík, CSc.
Databáze ● úložiště dat s definovaným přístupem ● typy struktury – strom, sekvence, tabulka ● sestává z uspořádaných záznamů ● databáze – struktura – záznam.
Kapitola 5: Úvod do analytických technologií Webu Vítězslav Šimon (SIM0047) Adaptivní webové systémy (AWS)
ANALÝZA A KLASIFIKACE DAT
Dobývání znalostí z databází dolování dat
Databázové systémy přednáška 13 – Analýza a reporting
Z8119 Vyhledávání znalostí v prostorových datech
Ústav lékařské informatiky, 2. LF UK
Pokročilé neparametrické metody Validační techniky
DNN - Deep neural networks (Hluboké neuronové sítě)