Neuronové sítě a evoluční metody (FSI-VSC)

Akademický rok 2018/2019
Garant: prof. Ing. Radomil Matoušek, Ph.D.  
Garantující pracoviště: ÚAI všechny předměty garantované tímto pracovištěm
Jazyk výuky: čeština
Cíle předmětu:
Cílem kurzu je seznámit studenty se základním prostředky Soft Computing, s možnostmi a přiměřeností jejich použití při řešení inženýrských úloh.
Výstupy studia a kompetence:
Pochopení základních metod Soft Computing a schopnost jejich implementace.
Prerekvizity:
Předpokládá se znalost základních souvislostí ze statistiky, optimalizace, teorie grafů a programování.
Obsah předmětu (anotace):
Kurz seznamuje se základními přístupy k Soft Computing a klasickými metodami používanými v této oblasti. Použitelnost metod je demonstrována na řešení jednoduchých inženýrských problémů.
Metody vyučování:
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).
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.
Typ (způsob) výuky:
    Přednáška  13 × 2 hod. nepovinná                  
    Cvičení s počítačovou podporou  13 × 2 hod. povinná                  
Osnova:
    Přednáška 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).
    Cvičení s počítačovou podporou Počítačové cvičení bude korespondovat s osnovou přednášek v předešlém týdnu.
Literatura - základní:
2. Sima,J., Neruda,R.: Theoretical questions of neural networks, MATFYZPRESS, 1996, ISBN 80-85863-18-9
Zařazení předmětu ve studijních programech:
Program Forma Obor Spec. Typ ukončení   Kredity     Povinnost     St.     Roč.     Semestr  
M2I-P prezenční studium M-AIŘ Aplikovaná informatika a řízení -- zá,zk 5 Povinný 2 1 L
M2I-P prezenční studium M-AIŘ Aplikovaná informatika a řízení P pro absolventy B-AIŘ zá,zk 5 Povinný 2 1 L