Soft Computing

• 26 hod. přednášky
• 26 hod. projekty

• 55 bodů závěrečná zkouška (písemná část)
• 15 bodů půlsemestrální test (písemná část)
• 30 bodů projekty

• Studenti se seznámí se základními typy neuronových sítí a jejich aplikacemi.
• Studenti se seznámí se základy teorie fuzzy množin a fuzzy logiky včetně návrhu fuzzy regulátoru.
• Studenti se seznámí s optimalizačními algoritmy inspirovanými přírodou.
• Studenti se seznámí s problematikou pravděpodobnostního usuzování.
• Studenti se seznámí se základy teorie hrubých množin a s použitím těchto množin při dolování znalostí z databází.  
• Studenti se seznámí se základy teorie chaosu.

• Studenti se naučí odborné terminologii z oblasti soft-computing, a to jak v českém, tak i anglickém jazyce.
• Studenti si uvědomí důležitost tolerance nepřesnosti a neurčitosti pro konstrukci robustních a levných inteligentních zařízení.

Seznámit studenty se základy teorií soft-computing, tj. se základy teorií netradičních technologií a přístupů k řešení obtížných problémů reálného světa.

Studiem předmětu získají studenti znalosti o práci s neurčitými, nejistými a neúplnými informacemi, které jsou nezbytné pro úspěšné návrhy inteligentních systémů.

• Programování v jazycích C++ nebo Java.
• Základní znalosti z diferenciálního počtu a teorie pravděpodobnosti.

• Graube, D.: Principles of Artificial Neural networks, World Scientific Publishing Co. Pte. Ltd., third edition, 2013
• Kriesel, D.: A Brief Introduction to Neural Networks, 2005, http://www.dkriesel.com/en/science/neural_networks
• Kruse, R., Borgelt, Ch., Braune, Ch., Mostaghim, S., Steinbrecher, M.: Computational Intelligence, Springer, second edition 2016, ISBN 978-1-4471-7296-3
• Munakata, T.: Fundamentals of the New Artificial Intelligence, Springer-Verlag New York, Inc., 2008, ISBN 978-1-84628-838-8
• Rutkowski, L.: Flexible Neuro-Fuzzy Systems, Kluwer Academic Publishers, 2004, ISBN 1-4020-8042-5
• Russell, S., Norvig, P.: Artificial Intelligence, Prentice-Hall, Inc., third edition 2010, ISBN 0-13-604259-7
• Shi, Z.: Advanced Artificial Intelligence, World Scientific Publishing Co. Pte. Ltd., 2011, ISBN-13 978-981-4291-34-7
• Russell,S., Norvig,P.: Artificial Intelligence, Prentice-Hall, Inc., 1995, ISBN 0-13-360124-2, third edition 2010, ISBN 0-13-604259-7

• Kriesel, D.: A Brief Introduction to Neural Networks, 2005, Fundamentals of the New Artificial Intelligence, Springer-Verlag New York, Inc., 2008. ISBN 978-1-84628-838-8 
• Rutkowski, L.: Flexible Neuro-Fuzzy Systems, Kluwer Academic Publishers, 2004, ISBN 1-4020-8042-5
• Russel,S., Norvig,P.: Artificial Intelligence, Prentice-Hall, Inc., third edition 2010, ISBN 0-13-604259-7

1. Úvod. Biologický a umělý neuron, umělé neuronové sítě.
2. Acyklické a dopředné neuronové sítě, algoritmus backpropagation.  
3. Neuronové sítě s RBF neurony. Soutěživé sítě.
4. Neocognitron a konvoluční neuronové sítě.
5. Rekurentní sítě (Hopfieldova síť, Boltzmannův stroj).
6. Rekurentní sítě (LSTM, GRU).
7. Genetické algoritmy. 
8. Optimalizační algoritmy inspirované přírodou.
9. Fuzzy množiny a fuzzy logika.  
10. Pravděpodobnostní usuzování, Bayesovské sítě.
11. Hrubé množiny.
12. Chaos.
13. Hybridní přístupy (neuronové sítě, fuzzy logika, genetické algoritmy).

Individuální projekt - řešení konkrétního problému (klasifikace, optimalizace, asociace, řízení).

• Půlsemestrální písemný test - 15 bodů.
• Projekt - 30 bodů.
• Závěrečná písemná zkouška - 55 bodů, minimálně však 25 bodů. Pro získání bodů ze závěrečné písemné zkoušky je nutné zkoušku vypracovat tak, aby byla hodnocena nejméně 25 body (v opačném případě bude zkouška hodnocena 0 body).

Nejméně 20 bodů získaných v průběhu semestru (za půlsemestrální test a projekt).