Detail předmětu
Soft Computing
FIT-SFCAk. rok: 2018/2019
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
Zajišťuje ústav
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 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.
Prerekvizity
- Programování v jazycích C++ nebo Java.
- Základní znalosti z diferenciálního počtu a teorie pravděpodobnosti.
Doporučená nebo povinná literatura
- 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
- Aliev,R.A, Aliev,R.R.: Soft Computing and its Application, World Scientific Publishing Co. Pte. Ltd., 2001, ISBN 981-02-4700-1
- 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
- Rutkowski, L.: Flexible Neuro-Fuzzy Systems, Kluwer Academic Publishers, 2004, ISBN 1-4020-8042-5
- Russel,S., Norvig,P.: Artificial Intelligence, Prentice-Hall, Inc., 1995, ISBN 0-13-360124-2, third edition 2010, ISBN 0-13-604259-7
Způsob a kritéria hodnocení
- 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).
Podmínky zápočtu:
Nejméně 20 bodů získaných v průběhu semestru (za půlsemestrální test a projekt).
Jazyk výuky
čeština
Osnovy výuky
- Osnova přednášek:
- Úvod. Biologický a umělý neuron, umělé neuronové sítě. Perceptron a Adaline.
- Neuronové sítě Madaline a Back Propagation.
- Neuronové sítě RBF, RCE, SCL, SOM/SOFM, LVQ, CPN, ART.
- Neuronové sítě jako asociativní paměti (Hopfield, BAM, SDM).
- Řešení optimalizačních problémů neuronovými sítěmi. Stochastické neuronové sítě, Boltzmannův stroj.
- Neocognitron a konvoluční neuronové sítě.
- Genetické algoritmy.
- Optimalizační algoritmy ACO a PSO.
- 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).
Cíl
Seznámit studenty se základy teorií soft-computing, tj. se základy teorií netradičních technologií a přístupů k řešení obtížných problémů reálného světa.
Zařazení předmětu ve studijních plánech
- 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
Typ (způsob) výuky
Přednáška
26 hod., nepovinná
Vyučující / Lektor
Osnova
- 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).
Projekt
26 hod., povinná
Vyučující / Lektor
Osnova
Individuální projekt - řešení konkrétního problému (klasifikace, optimalizace, asociace, řízení).