Detail předmětu

Soft Computing

FIT-SFCAk. rok: 2013/2014

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) .

Jazyk výuky

čeština

Počet kreditů

5

Garant předmětu

doc. Ing. František Zbořil, CSc.

Zajišťuje ústav

Ústav inteligentních systémů (UITS)

Výsledky učení předmětu

  • 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 naučí řešit optimalizační problémy pomocí genetických algoritmů.
  • 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.

Prerekvizity

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

Plánované vzdělávací činnosti a výukové metody

Výuka předmětu je realizována formou: Přednáška - 2 vyučovací hodiny týdně, Projekty - 1 vyučovací hodina týdně.

Způsob a kritéria hodnocení

Nejméně 20 bodů získaných za půlsemestrální test a projekt, z toho však alespoň 5 bodů za projekt.

Osnovy výuky

Osnova přednášek:
  1. Úvod. Biologický a umělý neuron, umělé neuronové sítě. Základní modely neuronů, Adaline a Perceptron.
  2. Neuronové sítě Madaline a BP (Back Propagation). Neuronové sítě s proměnnou topologií. 
  3. Neuronové sítě RBF a RCE. Topologicky organizované neuronové sítě, soutěživé učení, Kohonenovy neuronové sítě/mapy.
  4. Neuronové sítě CPN, LVQ a ART.
  5. Neuronové sítě jako asociativní paměti (Hopfield, BAM, SDM).
  6. Řešení optimalizačních problémů neuronovými sítěmi. Stochastické neuronové sítě, Boltzmannův stroj.
  7. Genetické algoritmy. 
  8. Optimalizační algoritmy ACO a PSO.
  9. Fuzzy množiny, fuzzy logika, fuzzy inference.  
  10. Pravděpodobnostní usuzování, Bayesovské sítě.
  11. Hrubé množiny.
  12. Chaos.
  13. Hybridní přístupy (neuronové sítě, fuzzy logika, genetické algoritmy).

Osnova ostatní - projekty, práce:
Individuální projekt - řešení konkrétního problému (klasifikace, optimalizace, asociace, řízení).

Učební cíle

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

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

  • Půlsemestrální písemný test - 20 bodů.
  • Projekt - 25 bodů.
  • Závěrečná písemná zkouška - 55 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).

Základní literatura

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

Doporučená literatura

  1. Mehrotra, K., Mohan, C. K., Ranka, S.: Elements of Artificial Neural Networks, The MIT Press, 1997, ISBN 0-262-13328-8
  2. Munakata, T.: Fundamentals of the New Artificial Intelligence, Springer-Verlag New York, Inc., 2008. ISBN 978-1-84628-838-8
  3. 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

Zařazení předmětu ve studijních plánech

  • Program IT-MGR-2 magisterský navazující

    obor MBS , libovolný ročník, zimní semestr, volitelný
    obor MIS , libovolný ročník, zimní semestr, volitelný
    obor MMI , libovolný ročník, zimní semestr, volitelný
    obor MMM , libovolný ročník, zimní semestr, povinně volitelný
    obor MGM , libovolný ročník, zimní semestr, volitelný
    obor MSK , libovolný ročník, zimní semestr, volitelný
    obor MIN , 1. ročník, zimní semestr, povinný
    obor MBI , 2. ročník, zimní semestr, povinný
    obor MPV , 2. ročník, zimní semestr, povinně volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

doc. Ing. František Zbořil, CSc.

Osnova

  1. Úvod, vysvětlení pojmu soft computing. Význam tolerance nepřesnosti a neurčitosti.
  2. Biologický a umělý neuron, neuronové sítě. Adaline a Perceptron. Neuronové sítě Madaline a BP (Back Propagation).
  3. Neuronové sítě s proměnnou topologií. 
  4. Neuronové sítě RBF, RCE. Topologicky organizované neuronové sítě, soutěživé učení, Kohonenovy mapy.
  5. Neuronové sítě CPN, LVQ, ART.
  6. Neuronové sítě jako asociativní paměti (Hopfield, BAM, SDM).
  7. Řešení optimalizačních problémů neuronovými sítěmi. Stochastické neuronové sítě, Boltzmannův stroj.
  8. Fuzzy množiny, fuzzy logika, fuzzy inference.
  9. Genetické algoritmy.
  10. Pravděpodobnostní usuzování.
  11. Hrubé množiny.
  12. Chaos.
  13. Hybridní přístupy (neuronové sítě, fuzzy logika, genetické algoritmy).

Projekt

26 hod., nepovinná

Vyučující / Lektor

doc. Ing. František Zbořil, CSc.