Samoorganizace při návrhu a řízení inteligentních systémů
Název práce v češtině: | |
---|---|
Název v anglickém jazyce: | Self-organization in the desing of intelligent systems |
Akademický rok vypsání: | 2007/2008 |
Typ práce: | disertační práce |
Jazyk práce: | angličtina |
Ústav: | Katedra teoretické informatiky a matematické logiky (32-KTIML) |
Vedoucí / školitel: | doc. RNDr. Iveta Mrázová, CSc. |
Řešitel: | skrytý - zadáno a potvrzeno stud. odd. |
Datum přihlášení: | 09.10.2007 |
Datum zadání: | 09.10.2007 |
Seznam odborné literatury |
- T. Kohonen: Self-organizing maps, Springer Verlag, 2001.
- S. Russel, P. Norvig: Artificial Intelligence – A Modern Approach, Prentice Hall, 2003. - A. C. C. Coolen, R. Kuhn and P. Sollich: Theory of Neural Information Processing Systems, Oxford University Press, 2005. - C.-T. Lin, C. S. G. Lee: Neural Fuzzy Systems: A Neuro-Fuzzy Synergism To Intelligent Systems, Prentice Hall, 1996. - B. Fritzke: A growing neural gas network learns topologies, in: G. Tesauro, D. S. Touretzky, T. K. Leen (eds.): Advances in Neural Information Processing Systems 7, MIT Press, 1995, pp. 625-632. - K. Lagus, T. Honkela, S. Kaski, T. Kohonen: WEBSOM for textual data mining, in: Artificial Intelligence Review, 13(5/6), 1999, pp. 345-364. - T. Kohonen: Self-organizing neural projections, in: Neural Networks, Vol. 19, 2006, pp. 723-733. - G.-B. Huang, L. Chen: Convex Incremental Extreme Learning Machine, in: Neurocomputing, 2007. - N.-Y. Liang, G.-B. Huang, P. Saratchandran, N. Sundararajan: A Fast an Accurate Online Sequential Learning Algorithm for Feedforward Networks, in: IEEE Transactions on Neural Networks, Vol. 17, No. 6, pp. 1411-1423. - C. Olaru, L. Wehenkel: A Complete Fuzzy Decision Tree Technique, in: Fuzzy Sets and Systems, Vol. 138, pp. 221-254. a aktuální články z relevantních mezinárodních časopisů, např. IEEE Transactions on Neural Networks, Neural Networks, Neurocomputing a dalších. |
Předběžná náplň práce |
V současné době představují umělé neuronové sítě uznávaný nástroj použitelný pro návrh a řízení inteligentních systémů v celé řadě oborů, např. v ekonomii, medicíně, počítačovém vidění, robotice a dalších. Rozsáhlý výzkum v této oblasti je podmíněn především pokrokem ve vývoji výpočetní techniky a potřebou efektivně zpracovávat velká množství typicky mnohorozměrných dat nejrůznějšího typu. Zpracovávané údaje přitom mohou být zatížené šumem a některé jejich hodnoty mohou chybět.
V ideálním případě by vhodným výstupem systému pro zpracování takových údajů byla relativně malá sada jednoduchých pravidel pro odhad zkoumaných závislostí. Důležitým faktorem při volbě modelů použitelných pro řešení podobných úloh v praxi je proto i možnost rychlého nastavení parametrů modelu spolu s detekcí signifikantních vstupních příznaků. Celý systém by pak měl podporovat i snadnou extrakci pravidel relevantních pro návrh a řízení inteligentních systémů. |