Detail předmětu

Neuronové sítě a evoluční metody

FSI-VSC-KAk. rok: 2018/2019

Kurz seznamuje se základními přístupy k Soft Computing a klasickými metodami používanými v této oblasti. Použitelnost metod je demonstrována na řešení jednoduchých inženýrských problémů.

Výsledky učení předmětu

Pochopení základních metod Soft Computing a schopnost jejich implementace.

Prerekvizity

Předpokládá se znalost základních souvislostí ze statistiky, optimalizace, teorie grafů a programování.

Doporučená nebo povinná literatura

Aliev,R.A, Aliev,R.R.: Soft Computing and its Application, World Scientific Publishing Co. Pte. Ltd., 2001, ISBN 981-02-4700-1
Sima,J., Neruda,R.: Theoretical questions of neural networks, MATFYZPRESS, 1996, ISBN 80-85863-18-9
Munakata, T.: Fundamentals of the New Artificial Intelligence, Springer-Verlag New York, Inc., 1998. ISBN 0-387-98302-3
Švarc, I., Matoušek, R., Šeda, M., Vítečková, M.: Automatizace-Automatické řízení, skriptum VUT FSI v Brně, CERM 2011.

Plánované vzdělávací činnosti a výukové metody

Předmět je vyučován formou přednášek, které mají charakter výkladu základních principů a teorie dané disciplíny. Cvičení je zaměřeno na praktické zvládnutí látky probrané na přednáškách.

Způsob a kritéria hodnocení

Požadavky pro udělení zápočtu: předložení funkčního softwarového projektu, který používá některou z probíraných implementací metod UI. Konkrétní specifikace probíhá na prvním cvičení. Kontrola postupu realizace projektu a konzultace jsou prováděny průběžně. Dále absolvování jednoho testu a splnění všech samostatných úkolů, které jsou průběžně zadávány. Celkem může student získat 40 bodů za cvičení (20 za projekt a 20 za test) a 60 bodů za zkoušku, celkem tedy max. 100 bodů. Hodnocení probíhá dle ECTS, tj. pro úspěšné absolvování musí student v každé části získat alespoň polovinu bodů (20 a 30).

Jazyk výuky

čeština

Cíl

Cílem kurzu je seznámit studenty se základním prostředky Soft Computing, s možnostmi a přiměřeností jejich použití při řešení inženýrských úloh.

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

Účast na přednáškách je žádoucí, na cvičeních povinná. Výuka běží podle týdenních plánů. Způsob nahrazení zameškaných cvičení je plně v kompetenci vyučujícího.

Zařazení předmětu ve studijních plánech

  • Program M2I-K magisterský navazující

    obor M-AIŘ , 1. ročník, letní semestr, 5 kreditů, povinný
    obor M-AIŘ , 1. ročník, letní semestr, 5 kreditů, povinný

Typ (způsob) výuky

 

Konzultace

17 hod., nepovinná

Vyučující / Lektor

Osnova

1. Úvod. Soft computing v kontextu umělé inteligence.
2. Architektury a klasifikace neuronových sítí. Perceptron, ADALINE.
3. Dopředné neuronové sítě, jedno a vícevrstvé sítě. Algoritmus Back Propagation. Optimalizační metody užité při návrhu ANN.
4. Metody shlukové analýzy. Redukce dimenze úlohy. Analýza hlavních komponent.
5. Neuronové sítě typu RBF a RCE. Topologicky organizované neuronové sítě (soutěživé učení, Kohonenovy mapy).
6. Asociativní neuronové sítě (Hopfieldova, BAM), chování, stavový diagram, atraktory, učení.
7. Neuronové sítě typu LVQ, neuronové sítě ART a Neocognitron.
8. Fuzzy množiny, fuzzy čísla, fuzzy logika, Fuzzy inference. ANFIS sítě.
9. Evoluční algoritmy (genetické algoritmy, evoluční strategie, gramatická evoluce, genetické programování).
10. Vybrané optimalizační metaheuristiky (HC12, Simulované žíhání).
11. SWARM inteligence (PSO, ACO, DE).
12. Deterministický chaos
13. Hybridní přístupy a aplikace (neuronové sítě, fuzzy logika, genetické algoritmy).

Řízené samostudium

35 hod., povinná

Vyučující / Lektor

Osnova

Počítačové cvičení bude korespondovat s osnovou přednášek v předešlém týdnu.