SubjectsSubjects(version: 875)
Course, academic year 2020/2021
  
Modern computational physics II - NEVF161
Title: Moderní počítačová fyzika II
Guaranteed by: Department of Surface and Plasma Science (32-KFPP)
Faculty: Faculty of Mathematics and Physics
Actual: from 2020
Semester: summer
E-Credits: 5
Hours per week, examination: summer s.:2/1 MC [hours/week]
Capacity: unlimited
Min. number of students: unlimited
State of the course: taught
Language: Czech
Teaching methods: full-time
Guarantor: doc. RNDr. Pavel Kocán, Ph.D.
doc. RNDr. Radek Plašil, Ph.D.
Annotation -
Last update: RNDr. Štěpán Roučka, Ph.D. (28.01.2019)
The lecture deals with selected algorithms of computational physics - neural networks and wavelet transform.
Course completion requirements -
Last update: doc. RNDr. Jiří Pavlů, Ph.D. (03.06.2020)

Předmět je rozdělen na dvě části, z nichž každou přednáší jeden vyučující. Pro absolvování předmětu je předepsán klasifikovaný zápočet. Pro jeho získání je třeba zpracovat v požadovaném rozsahu dvě zápočtové úlohy odpovídající první resp. druhé části přednášky. Zadání úloh bude určeno v průběhu přednášky.

Je předpokládána účast na cvičeních. Součástí hodnocení je i ocenění průběžné práce na cvičeních.

Literature - Czech
Last update: doc. RNDr. Jiří Pavlů, Ph.D. (14.01.2019)

Šíma J., Neruda R.: Teoretické otázky neuronových sítí. Matfyzpress, Praha 1996.

Debnath L., Bhatta D.: Integral Transforms and Their Application, Chapman and Hall, Boca Raton 2007.

Addison P.S.: The Illustrated Wavelet Transform Handbook, IOP Publishing, London 2002.

Syllabus -
Last update: RNDr. Štěpán Roučka, Ph.D. (28.01.2019)
1. Neural networks
Neuron and neural network - biological neuron, formal neuron, biological and mathematical neural network. Classical models of neural networks - perceptron network, multilayer network, backpropagation. Learning of neural networks - training set, supervised learning, self-organization, learning of recurrent neural networks, overfitting. Complexity of neural networks - threshold function, logical circuits, recurrent neural networks. Neural networks and genetic algorithms. Use neural networks in image processing. Further physical applications of neural networks. Fuzzy logic - basics. Combination of fuzzy logic and neural networks.

2. Wavelet transform
Properties of Fourier transform - summary, other non-local integral transforms. Partially local integral transforms - windowed Fourier and Gabor transform, basic properties, physical applications. Wavelet transform - continuous and discrete wavelet transform, basic properties, wavelet, complex wavelet, wavelets in multiple dimensions. Relationship between wavelet and fourier transform. Use of wavelet transform in physics.

 
Charles University | Information system of Charles University | http://www.cuni.cz/UKEN-329.html