doc. Ing. František Zbořil, CSc.

Ústav inteligentních systémů (UITS)

• 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, ACO (Ant Colony Optimization) a PSO (Particle Swarm Optimization) 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.

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

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

1. Aliev,R.A, Aliev,R.R.: Soft Computing and its Application, World Scientific Publishing Co. Pte. Ltd., 2001, ISBN 981-02-4700-1
2. Mehrotra, K., Mohan, C., K., Ranka, S.: Elements of Artificial Neural Networks, The MIT Press, 1997, ISBN 0-262-13328-8
3. Munakata, T.: Fundamentals of the New Artificial Intelligence, Springer-Verlag New York, Inc., 2008. ISBN 978-1-84628-838-8  
4. Rutkowski, L.: Flexible Neuro-Fuzzy Systems, Kluwer Academic Publishers, 2004, ISBN 1-4020-8042-5
5. Russel,S., Norvig,P.: Artificial Intelligence, Prentice-Hall, Inc., 1995, ISBN 0-13-360124-2, third edition 2010, ISBN 0-13-604259-7

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

čeština

Osnova přednášek:

1. Úvod. Biologický a umělý neuron, umělé neuronové sítě. Perceptron a Adaline.
2. Neuronové sítě Madaline a Back Propagation.  
3. Neuronové sítě RBF, RCE, SCL, SOM/SOFM, LVQ, CPN, ART.
4. Neuronové sítě jako asociativní paměti (Hopfield, BAM, SDM).
5. Řešení optimalizačních problémů neuronovými sítěmi. Stochastické neuronové sítě, Boltzmannův stroj.
6. Neocognitron a konvoluční neuronové sítě.
7. Genetické algoritmy. 
8. Optimalizační algoritmy ACO a PSO.
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).

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

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

• 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).

• Program IT-MGR-2 magisterský navazující

  obor MBS , libovolný ročník, zimní semestr, 5 kreditů, volitelný
  obor MIS , libovolný ročník, zimní semestr, 5 kreditů, volitelný
  obor MMI , libovolný ročník, zimní semestr, 5 kreditů, volitelný
  obor MMM , libovolný ročník, zimní semestr, 5 kreditů, povinně volitelný
  obor MGM , libovolný ročník, zimní semestr, 5 kreditů, volitelný
  obor MPV , libovolný ročník, zimní semestr, 5 kreditů, povinně volitelný
  obor MSK , libovolný ročník, zimní semestr, 5 kreditů, volitelný
  obor MIN , 1. ročník, zimní semestr, 5 kreditů, povinný
  obor MBI , 2. ročník, zimní semestr, 5 kreditů, povinný