Detail předmětu
Soft Computing
SFC Ak. rok 2006/2007 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. Genetické algoritmy. Pravděpodobnostní usuzování. Hrubé množiny. Chaos. Hybridní přístupy (kombinace neuronových sítí, fuzzy logiky a genetických algoritmů) .
Garant předmětu
Jazyk výuky
Zakončení
Rozsah
- 26 hod. přednášky
- 26 hod. projekty
Zajišťuje ústav
Získané dovednosti, znalosti a kompetence z předmětu
Studenti se důkladně seznámí se základy teorií soft computing a budou tak schopni navrhovat programové systémy využívající těchto teorií k řešení různých praktických problémů.
Studenti si uvědomí důležitost tolerance nepřesnosti a neurčitosti pro konstrukci robustních a levných inteligentních zařízení.
Cíle předmětu
Seznámit studenty se základy teorií soft computing, tj. se základy teorií netradičních technologií a přístupů k řešení obtížných problémů reálného světa, především se základy umělých neuronových sítí, fuzzy množin a fuzzy logiky a genetických algoritmů.
Požadované prerekvizitní znalosti a dovednosti
Nejsou žádné prerekvizity.
Literatura studijní
-
- Mehrotra, K., Mohan, C. K., Ranka, S.: Elements of Artificial Neural Networks, The MIT Press, 1997, ISBN 0-262-13328-8
- Munakata, T.: Fundamentals of the New Artificial Intelligence, Springer-Verlag New York, Inc., 2008. ISBN 978-1-84628-838-8
- Russel, S., Norvig, P.: Artificial Intelligence, Prentice-Hall, Inc., 1995, ISBN 0-13-360124-2, second edition 2003, ISBN 0-13-080302-2, third edition 2010, ISBN 0-13-604259-7
Literatura referenční
- Rutkowski, L.: Flexible Neuro-Fuzzy Systems, Kluwer Academic Publishers, 2004, ISBN 1-4020-8042-5
Osnova přednášek
- Úvod, vysvětlení pojmu soft computing. Význam tolerance nepřesnosti a neurčitosti.
- Biologický a umělý neuron, neuronové sítě. Adaline, Perceptron, Neuronové sítě Madaline a BP (Back Propagation).
- Neuronové sítě s proměnnou topologií.
- Neuronové sítě RBF, RCE. Topologicky organizované neuronové sítě, soutěživé učení, Kohonenovy mapy.
- Neuronové sítě CPN, LVQ, ART, SDM, Neocognitron.
- Neuronové sítě jako asociativní paměti (Hopfield, BAM).
- Řešení optimalizačních problémů neuronovými sítěmi. Stochastické neuronové sítě, Boltzmannův stroj.
- Fuzzy množiny, fuzzy logika, fuzzy inference.
- Genetické algoritmy.
- Pravděpodobnostní usuzování.
- Hrubé množiny.
- Chaos.
- Hybridní přístupy (neuronové sítě, fuzzy logika, genetické algoritmy).
Průběžná kontrola studia
Hodnocení studia je založeno na bodovacím systému. Pro úspěšné absolvování předmětu je nutno dosáhnout 50 bodů.
Kontrolovaná výuka
- Půlsemestrální písemný test
- Individuální projekt