Výpočetní inteligence (FSI-9VIN)

Akademický rok 2020/2021
Garant: prof. Ing. Radomil Matoušek, Ph.D.  
Garantující pracoviště: ÚAI všechny předměty garantované tímto pracovištěm
Jazyk výuky: čeština či angličtina
Cíle předmětu:
Seznámit studenty se základy tzv. výpočetní inteligence (Computational Intelligence), tj. přírodou inspirovanými přístupy pro řešení obtížných problémů reálného světa. Především v kontextu optimalizace, modelování a klasifikace. Diskutovány budou rozličné evolučními algoritmy, metaheuristiky a modely umělých neuronových sítí.
Výstupy studia a kompetence:
Pochopení základních metod počítačové inteligence a schopnost jejich implementace.
Prerekvizity:
Předpokládá se znalost základních souvislostí ze statistiky a optimalizace.
Obsah předmětu (anotace):
Výpočetní inteligence (Computational Intelligence) je zastřešující název přírodně inspirovaných výpočetních metodologií vhodných pro řešení obtížných reálných problémů, které jsou s využitím běžných matematických či inženýrských přístupů špatně řešitelné. Kurz seznamuje se základními přístupy a pokročilými metodami používanými v této oblasti. Použitelnost metod je demonstrována na řešení jednoduchých inženýrských problémů. Studentům je dán prostor a podpora pro řešení vlastních optimalizačních úloh.
Metody vyučování:
Předmět je vyučován formou přednášek a individuálních konzultací, které mají charakter výkladu základních principů a teorie dané disciplíny.
Způsob a kritéria hodnocení:
Předložení a obhájení projektu, který prezentuje/využívá některou z probíraných implementací metod počítačové inteligence.
Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky:
Účast na přednáškách je žádoucí. Výuka běží podle individuálního plánu. Způsob nahrazení zameškaných hodin je plně v kompetenci vyučujícího.
Typ (způsob) výuky:
    Přednáška  10 × 2 hod. nepovinná                  
Osnova:
    Přednáška Výuka je rozdělena do 4 bloků:
Blok 1: Výpočetní inteligence v kontextu umělé inteligence. Prezentace možných úloh. Prezentace úloh studentů.
Blok 2: Evoluční a hejnové výpočetní techniky a optimalizační metaheuristiky (Genetické algoritmy, Gramatická evoluce, Genetické programování, metaheuristika HC12, Mravenčí algoritmy)
Blok 3: Umělé neuronové sítě (dopředné, rekurentní, samoorganizace, hluboké účení)
Blok 4: Individuální konzultace pro vlastní úlohy.
Literatura - základní:
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. 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  
D4P-P prezenční studium D-APM Aplikovaná matematika -- drzk 0 Doporučený kurs 3 1 Z
D-APM-K kombinované studium --- bez specializace -- drzk 0 Doporučený kurs 3 1 Z