1. Hodnotenie A môže získať iba práca prezentovaná autorom na fakultnom kole ŠVK.
2. Hodnotenie B môže získať vysoko kvalitná práca obsahujúca v sebe softverové dielo s výbornou prezentáciou.
3. Hodnotenie C
4. Hodnotenie D
5. Hodnotenie E môže získať kvalitná samostatná práca s pôvodnými správnymi výsledkami s neuplnými citáciami, neúplným ale funkčným softverovým dielom alebo slabšou prezentáciou.
6. Hodnotenie Fx ostatné práce nezaradisteľné do lepšieho hodnotenia; plagiatorstvo (s návrhom na vylúčenie zo štúdia); zjavne odfláknutá niektorá casť práce, implementácie alebo prezentácie; práca nespĺňajúca viac ako 1/2 zadaných cieľov v prihláške.

Štátnicový predmet 2-AIN-950 Metódy aplikovanej informatiky

1. Reprezentácie objektov v počítačovej grafike, algoritmy pre určovanie viditeľného povrchu, hľadanie prienikov a orezávanie, rasterizácia a antialiasing, zobrazovací kanál, súradnicové sústavy v zobrazovacom kanáli.
2. Agent, PEAS popis agenta, typy jednoduchých agentov, racionálny agent; informovane a neinformované prehľadávanie, heuristiky, hľadanie heuristík; logickí agenti, databáza znalosti, inferenčné algoritmy pre výrokovú databázu znalosti; predikátová databáza znalosti, modus ponens, resolvencia, forward a backward chaining; minimax, alfa beta orezávanie, pre dvoch aj viacerých hráčov.
3. Problémy a algoritmy; základné výpočtové modely a miery zložitosti; zložitostné triedy, ich základné charakteristiky a hierarchie; redukcia a úplnosť v zložitostných triedach; NP-úplné problémy; metódy, používané na riešenie (výpočtovo) ťažkých problémov.
4. Základné rozdelenie architektúr paralelných počítačov; progress a safety podmienky; úloha triedenia pre paralelné architektúry; problém večerajúcich filozofov; komunikácia cez chybný kanál.
5. Časticové systémy, rovnice pohybu prvého rádu, integračné metódy, stavový vektor systému, vonkajšie sily, obmedzujúce podmienky; animácie pohybu a orientácie, quaternion a orientácia; detekcie kolízie, nutná a postačujúca podmienka, sily odozvy (response forces); numerické riešenie diferenciálnych rovníc - Eulerova metóda, Runge-Kuta metóda; dynamika tuhých telies, rovnice pohybu.

Štátnicový predmet 2-AIN-951 Počítačová grafika a videnie

1. Kuželosečky, ich klasifikácia; závislosť klasifikácie od typu roviny; vyšetrovanie tvaru rovinnej krivky; priesečníky priamky s krivkou, dotyčnica, singulárne body, inflexné body; kubické krivky; weierstrassov normálny tvar; eliptické krivky a ich využitie.
2. Pokročilé techniky predspracovania obrazu; techniky rozpoznávania objektov; porozumenie 3D obrazu; počítačové videnie s jednou kamerou; stereovidenie.
3. Referenčný model počítačovej grafiky, súradnicové systémy a ich transformacie, rozširenie modelu pre augmented reality; pracovna stanica a jej funkčnosť; kódovanie grafickej informacie, hierarchia obrazu a graf scény; fyzické a logické vstupné zariadenia, ISO model vstupu, vstupné režimy, programovanie interakcie; oknové systémy, ich struktúra a funkčnosť.
4. Kanál metódy sledovania lúča; výpočet farieb renderovacou rovnicou; problém viditeľnosti a tieňa; globálny osvetľovací model; metódy zobrazenia scény množinou obrázkov.
5. Akceleračné a urýchlovacie techniky, early Z test, culling techniky, úroven detailu, API podpora ; tieňovanie a textúrovanie, základné princípy a rozdiely medzi jednotlivými mapovaniami, tangenciálny priestor; metóda sledovania lúča (ray-tracing) na GPU; tiene; základy objemového zobrazovania na GPU.
6. Bezstratové kódy v kompresii dát – posuvné, predikčné, kódovanie obrysov (kontúr, hraníc); rekonštrukcia obrazov – operácie opisujúce vznik poškodenia, metódy odstraňovania šumov.
7. Hľadanie príznakov v obrazoch; klasifikátory (NN, SVM, HMM, ...); aplikácie počítačového videnia (výber obrazov z databázy, detekcia a sledovanie tváre, pokožky); mapovanie farebného rozsahu, HDR; kvalita obrazu (metriky, vyuzitie).
8. Rozpoznávanie obrazcov (lineárne) separabilných a neseparabilných tried; štatistické rozpoznávanie separabilných tried; štatistické rozpoznávanie neseparabilných tried; syntaktické rozpoznávanie; porovnanie štatistických, syntaktických a ďalších metód rozpoznávania.
9. Objemové metódy na vizualizáciu objemových dát; povrchové metódy na vizualizáciu objemových dát.
10. Voronoiov diagram, Delaunayova triangulácia, vlastnosti a vzťahy medzi nimi; definícia a základné vlastnosti VD a DT, ich duálny vzťah, vzťah s konvexným obalom, najbližším párom generátorov, vzťah medzi DT, VD a rotačným paraboloidom z=x*x+y*y, podgrafy DT.
11. Casteljauov algoritmus vyčísľovania Bézierovej krivky, prerozdelenie, dotyčnica, polárna forma; schéma Casteljauovho algoritmu, zjemnenie krivky na dva segmenty, dotykový vektor krivky, polárna forma polynómu a jej vlastnosti, riadiace vrcholy krivky ako hodnoty polárnej formy, vzťah Casteljauovho algoritmu a polárnej formy, hladké spojenie Bézierovych segmentov.
12. Grafika a zvuk – aplikačný software; základné grafické a zvukové formáty; kompresné metódy; metódy vytvárania a zavádzania grafiky a zvuku do PC; animácia, video, TV HDTV; videoformáty a kompresia videa; nelineárny videostrih (NLE); mobilné, komunikačné a multimediálne technológie; multimédiá a internet; hypermédiá a videokonferencie; synchronizácia multimediálnych tokov.

Štátnicový predmet 2-AIN-950 Umelá inteligencia

1. Priama a spätná inferenciou v expertných systémoch; simulácia inferencie v systéme CLIPS; metóda rozkladu a skladu v CLIPS-e (Fibonacciho, kombinacne cisla, Hanojske veže, triedenia: quick | mergesort); produkčný systém v CLIPS-e na prehľadávanie stavového priestoru s nájdením všetkých riešení (ofarbenie planárneho grafu, N-dám na šachovnici, problém misionárov a kanibalov); princíp stratifikácie na príklade hľadania optimálnych riešení (robot žeriav (bricks-world problem) alebo robot v gridovom bludisku).
2. Inšpirácia vzniku konekcionizmu, základné časti biologických neurónov a ich vlastnosti, vlastnosti konekcionistických modelov; jednoduchý perceptrón: binárny a spojitý perceptrón; viacvrstvové dopredné neurónové siete; lineárne neurónové siete – princíp modelov General Inverse a Correlation Matrix Memory; samoorganizácia: základné princípy, metódy PCA (principal component analysis), učenie so súťažením. model samoorganizujúcej sa mapy (SOM), vektorová kvantizácia, topografické zobrazenie príznakov, redukcia dimenzie, magnifikačný faktor; rekurentné neurónové siete - spôsoby inkorporovania času do NS, architektúry RNS, time-delay-neural-network, back-propagation-through-time a real-time-recurrent-learning; hopfieldov model - deterministická verzia typy atraktorov v stavovom priestore, typy dynamiky; stochastická verzia.
3. Bayesovske siete a bayesovske vyvodzovanie; klasická teória časových radov, trend, periodicita, náhodnosť; Box - Jenkinsove modely; časové rady s náhodnosťou: filtračná, predikčná a vyhladzovacia úloha; základy teorie dynamických sietí, vlastnosť malého sveta, Barabasi; Albertov model; základy teorie rozhodovania.
4. Reprezentácia znalostí prostriedkami logického programovania. Definitné, normálne, rozšírené logické programy. Herbrandovská interpretácia, herbrandovský model, T_P-operátor, najmenší model. Negácia ako konečné zlyhanie (defaultová negácia), sémantické problémy defaultovej negácie. Stabilná sémantika. Answer set programming. Preferenčné, skeptické a dôverčivé usudzovanie s využitím stabilnej sémantiky. Stratifikované logické progamy.
5. Defaultové teórie. Extenzie. Normálne defaultové teórie. Seminormálne defaultové teórie. Obmedzované extenzie.
6. Hierarchické siete. Logický jazyk, v ktorom možno vyjadriť striktnú hierarchickú sieť. Logický jazyk, v ktorom možno vyjadriť hierarchickú sieť s viacnásobným dedením, konfliktami a výnimkami. Skeptické a dôverčivé usudzovanie. Preferovanie špecifickejšej informácie, zdržanlivý skepticizmus.
7. Indukcia. Sémantická definícia. Základný algoritmus zovšeobecňovania v grafe špecializácií/zovšeobecnení. Induktívne logické programovanie. Pravidlá indukovania. Theta-subsumpcia.
8. Abdukcia. Poňatia abdukcie - základná logická definícia, abdukcia ako pokrytie, abdukcia nad nemonotónnyi formalizmami (deafultovou teóriou, stabionou sémantikou logického programu).
9. Revízie. AGM-postuláty racionálnosti revízie. Truth maintenance system - základné štruktúry, TM-procedúra, DDB-procedúra. Vyjadrenie TMS pomocou logického programu so stabilnou sémantikou, pomocou defaultovej teórie.
10. Databáza s hypotézami (a neúplnou informáciou). Nie-korektné usudzovanie. Zachovávanie konzistentnosti. Nemonotóone usudzovanie. Všeobecná charakterizácia nemonotónneho usudzovania. Nemonotónne usudzovanie a revízie.
11. Usudzovanie za prítomnosti nekonzistentosti. Štvorhodnotová Belnapova logika, jej sémantika. Nie-triviálny operátor odvodenia. Preferenčné vyplývanie (s minimalizáciou konfliktov).
12. Princíp fuzzifikácie: fuzzy množiny, lingvistické premenné a termy, modifikátory (hedges); základné typy fuzzy pravidiel. (crisp | fuzzy predpoklady, závery, akcie, faktor určitosti pravidla CF); priebeh fuzzy inferencie. (kombinácia fuzzy faktov possibility, necessitity, similarity measures, CF (thresholds), agregácia fuzzy faktov); defuzzifikácia (centre of gravity, mean of maxima metods); návrh fuzzy produkčného systému.
13. Agent (užšia definícia); autonómnosť a mobilita; receptory, efektory, radič, senzory, aktuátory; klasifikácia agentov na reaktívne, deliberatívne a hybridné; komunikácia medzi agentami: priama a nepriama.
14. Reprezentačné jazyky: XML a KIF; multiagentový systém (užšia definícia); komunikačne jazyky: KQML.
15. Implementácia multigentových systémov; multi-agentový systém implementovaný ako middleware; implementácia v rámci VM OOP; implementácia nad modelom SRR (IPC); pyramidálna architektúra Client – Server; architektúra Agent – Space; robustnosť, decentralizovanosť, normalizácia.
16. Deliberatívna a nedeliberatívna robotika; nová umelá inteligencia; dekompozícia funkciou a aktivitou; subsumpčná architektúra; PKA model.