Detail předmětu
Soft Computing
FIT-SFCAk. rok: 2021/2022
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
Kriesel, D.: A Brief Introduction to Neural Networks, 2005, http://www.dkriesel.com/en/science/neural_networksFundamentals 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
Graube, D.: Principles of Artificial Neural networks, World Scientific Publishing Co. Pte. Ltd., third edition, 2013
Kriesel, D.: A Brief Introduction to Neural Networks, 2005, http://www.dkriesel.com/en/science/neural_networks
Kruse, R., Borgelt, Ch., Braune, Ch., Mostaghim, S., Steinbrecher, M.: Computational Intelligence, Springer, second edition 2016, ISBN 978-1-4471-7296-3
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
Russell, S., Norvig, P.: Artificial Intelligence, Prentice-Hall, Inc., third edition 2010, ISBN 0-13-604259-7
Shi, Z.: Advanced Artificial Intelligence, World Scientific Publishing Co. Pte. Ltd., 2011, ISBN-13 978-981-4291-34-7
Russell,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).
Jazyk výuky
čeština
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 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 - Program MITAI magisterský navazující
specializace NBIO , libovolný ročník, zimní semestr, 5 kreditů, volitelný
specializace NISD , libovolný ročník, zimní semestr, 5 kreditů, volitelný
specializace NIDE , libovolný ročník, zimní semestr, 5 kreditů, povinný
specializace NCPS , libovolný ročník, zimní semestr, 5 kreditů, volitelný
specializace NSEC , libovolný ročník, zimní semestr, 5 kreditů, volitelný
specializace NMAT , libovolný ročník, zimní semestr, 5 kreditů, volitelný
specializace NGRI , libovolný ročník, zimní semestr, 5 kreditů, volitelný
specializace NNET , libovolný ročník, zimní semestr, 5 kreditů, volitelný
specializace NVIZ , libovolný ročník, zimní semestr, 5 kreditů, volitelný
specializace NSEN , libovolný ročník, zimní semestr, 5 kreditů, volitelný
specializace NMAL , libovolný ročník, zimní semestr, 5 kreditů, povinný
specializace NHPC , libovolný ročník, zimní semestr, 5 kreditů, volitelný
specializace NVER , libovolný ročník, zimní semestr, 5 kreditů, volitelný
specializace NEMB , libovolný ročník, zimní semestr, 5 kreditů, volitelný
specializace NADE , libovolný ročník, zimní semestr, 5 kreditů, volitelný
specializace NSPE , libovolný ročník, zimní semestr, 5 kreditů, volitelný - Program IT-MGR-2 magisterský navazující
obor MIN , 1. ročník, zimní semestr, 5 kreditů, povinný
- Program MITAI magisterský navazující
specializace NISY do 2020/21 , 1. ročník, zimní semestr, 5 kreditů, povinný
specializace NISY , 1. ročník, zimní semestr, 5 kreditů, povinný - Program IT-MGR-2 magisterský navazující
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).