Detail předmětu
Soft Computing
SFC Ak. rok 2024/2025 zimní semestr 5 kreditů
Soft computing je zastřešující název (který nemá použitelný český překlad) pro netradiční technologie, resp. přístupy k řešení obtížných problémů. Obsah předmětu je ve shodě s významem jeho názvu následující: Tolerance pro nepřesnost a neurčitost jako základní atributy teorií soft-computing. Neuronové sítě. Fuzzy logika. Optimalizační algoritmy inspirované přírodoy. Pravděpodobnostní usuzování. Hrubé množiny. Chaos. Hybridní přístupy (kombinace neuronových sítí, fuzzy logiky a genetických algoritmů) .
Garant předmětu
Koordinátor předmětu
Jazyk výuky
Zakončení
Rozsah
- 26 hod. přednášky
- 26 hod. projekty
Bodové hodnocení
- 55 bodů závěrečná zkouška (písemná část)
- 15 bodů půlsemestrální test (písemná část)
- 30 bodů projekty
Zajišťuje ústav
Přednášející
Cvičící
Cíle předmětu
Seznámit studenty se základy teorií soft-computing, tj. se základy teorií netradičních technologií a přístupů k řešení obtížných problémů reálného světa.
- 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.
Požadované prerekvizitní znalosti a dovednosti
- Programování v jazycích C++ nebo Java.
- Základní znalosti z diferenciálního počtu a teorie pravděpodobnosti.
Literatura studijní
- Graube, D.: Principles of Artificial Neural networks, World Scientific Publishing Co. Pte. Ltd., third edition, 2013
- Rutkowski, L.: Flexible Neuro-Fuzzy Systems, Kluwer Academic Publishers, 2004, ISBN 1-4020-8042-5
- Shi, Z.: Advanced Artificial Intelligence, World Scientific Publishing Co. Pte. Ltd., 2011, ISBN-13 978-981-4291-34-7
Literatura referenční
- 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
Studijní opory
Osnova přednášek
- Úvod. Biologický a umělý neuron, umělé neuronové sítě.
- Acyklické a dopředné neuronové sítě, algoritmus backpropagation.
- Neuronové sítě s RBF neurony. Soutěživé sítě.
- Neocognitron a konvoluční neuronové sítě.
- Rekurentní sítě (Hopfieldova síť, Boltzmannův stroj).
- Rekurentní sítě (LSTM, GRU).
- Genetické algoritmy.
- Optimalizační algoritmy inspirované přírodou.
- Fuzzy množiny a fuzzy logika.
- Pravděpodobnostní usuzování, Bayesovské sítě.
- Hrubé množiny.
- Chaos.
- Hybridní přístupy (neuronové sítě, fuzzy logika, genetické algoritmy).
Osnova ostatní - projekty, práce
Individuální projekt - řešení konkrétního problému (klasifikace, optimalizace, asociace, řízení).
Průběžná kontrola studia
- Půlsemestrální písemný test - 15 bodů.
- Projekt - 30 bodů.
- Závěrečná písemná zkouška - 55 bodů, minimálně však 25 bodů.
Rozvrh
Den | Typ | Týdny | Místn. | Od | Do | Kapacita | PSK | Skup | Info |
---|---|---|---|---|---|---|---|---|---|
Út | přednáška | 1., 2., 3., 4., 5., 6., 7., 8., 9., 10. výuky | G202 | 12:00 | 14:50 | 80 | 1MIT 2MIT | NIDE NISY - NIDE NMAL xx | Janoušek |
Út | přednáška | 11., 12., 13. výuky | G202 | 12:00 | 14:50 | 80 | 1MIT 2MIT | NIDE NISY - NIDE NMAL xx |
Zařazení předmětu ve studijních plánech