Inteligentne metode raziskovanja podatkov v biomedicini

Visokošolski učitelji: Škrjanc Igor
Število kreditnih točk: 6
Semester izvajanja: zimski
Koda predmeta: 64280



Opis predmeta

Pogoji za vključitev v delo oz. za opravljanje
študijskih obveznosti:

  • Zaključen dodiplomski študij na področjuelektrotehnike ali sorodnih tehniškihoziroma naravoslovno-matematičnih ved.
  • Vpis v 2. letnik podiplomskega študijskegaprograma II. stopnje Elektrotehnika.
  • Osnovno znanje uporabne matematike(vektorji in matrike, lastni vektorji in lastnevrednosti, linearna algebra)

Vsebina:

  • Uvod v inteligentne sisteme. Prikaz inteligentnih sistemov v raziskovanju podatkov, modeliranju, razvrščanju v biomedicini, razpoznavanju, vodenju in detekciji napak.
  • Osnovne metode nelinearne lokalne optimizacije, s poudarkom na metodah, ki so uporabne v inteligentnih sistemih in metode nelinearne globalne optimizacije.
  • Metode nelinearne globalne optimizacije s primeri: metoda ohlajanja, evolucijskih algoritmov, genetskih algoritmov, metoda delcev, metoda drevesnega iskanja.
  • Nenadzorovane metode učenja. Metoda glavnih komponent. Uporaba metode glavnih komponent pri identifikaciji, filtriranju, stiskanju podatkov in detekciji napak.
  • Metode rojenja. Metode mehkega rojenja: metoda mehkih c-povprečij, metod Gustafson-Kessel, metoda možnih c-povprečij, metoda regresijskega rojenja.
  • Optimizacija kompleksnosti modelov. Verifikacija in validacija modelov. Eksplicitna in implicitna optimizacija strukture modela.
  • Statični modeli. Formulacija na osnovi baznih funkcij. Polinomski modeli.
  • Nevronske mreže. Večplastni perceptron. Gaussove nevronske mreže in aproksimacija funkcij. Primeri nevronskih mrež v biomedicini.
  • Mehki in nevro-mehki modeli. Mehka logika. Tipi mehkih sistemov. Učenje nevro-mehkih sistemov. Ocenjevanje izhodnih parametrov mehkih modelov. Globalna in lokalna estimacija.
  • Ekspertni sistemi na osnovi mehkih modelov. Gradnja ekspertnih sistemov na osnovi podatkov. Primeri ekspertnih sistemov v biomedicini.
  • Nelinearni dinamični sistemi. Klasični polinomski modeli v nelinearnem modeliranju. Dinamični mehki in nevronski modeli.

Cilji in kompetence:
Seznaniti študenta z osnovnimi matematičnimi in računalniškimi načeli izgradnje inteligentnih sistemov za pomoč pri odločanju v sodobnih sistemih.

Predvideni študijski rezultati:

Po zaključku tega predmeta bo študent zmožen izkazati znanje in razumevanje:

  • gradnje inteligentnih sistemov, ki so osnova za raziskovanje in razumevanje biomedicinskih sistemov,
  • raziskovanja biomedicinskih podatkov na osnovi metod umetne inteligence.

Uporaba znanja:

  • Pridobljeno znanje bo študent lahko uporabil pri gradnji modelov za raziskovanje in nadzor biomedicinskih podatkov. Študent bo zmožen kritično ovrednotiti skladnost med pridobljenim znanjem ter uporabo v praksi.

Študent si bo pridobil spretnosti:

  • uporabe literature ter drugih virov s področja inteligentnih sistemov pri raziskovanju podatkov.
  • uporaba računalniških razvojnih orodij in okolij za programiranje (pisanje programov programskem okolju Matlab),
  • reševanja problemov: analiza problema, načrtovanje algoritma, implementacija programa in testiranje programa,

Metode poučevanja in učenja:

  • predavanja,
  • laboratorijske vaje in projekti,
  • reševanje domačih nalog.





Gradiva

  1. I. Škrjanc: Inteligentni sistemi pri raziskovanju podatkov in odločanju, skripta v pripravi



Študiji na katerih se predmet izvaja

  • 2 letnik - 2. stopnja - Elektrotehnika - Biomedicinska tehnika