Fakulta informačních technologií VUT v Brně

Detail předmětu

Soft Computing

SFC Ak. rok 2015/2016 zimní semestr 5 kreditů

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. Genetické, ACO (Ant Colony Optimization) a PSO (Particle Swarm Optimization) algoritmy. Pravděpodobnostní usuzování. Hrubé množiny. Chaos.  Hybridní přístupy (kombinace neuronových sítí, fuzzy logiky a genetických algoritmů) .

Garant předmětu

Jazyk výuky

česky

Zakončení

zápočet+zkouška (písemná)

Rozsah

26 hod. přednášky, 26 hod. projekty

Bodové hodnocení

55 zkouška, 15 půlsemestrální test, 30 projekty

Zajišťuje ústav

Přednášející

Cvičící

Získané dovednosti, znalosti a kompetence z 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 naučí řešit optimalizační problémy pomocí genetických, ACO (Ant Colony Optimization) a PSO (Particle Swarm Optimization) algoritmů.
  • 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.

Dovednosti, znalosti a kompetence obecné

  • 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.

Cíle předmětu

Seznámit studenty se základy teorií soft-computing, tj. se základy teorií netradičních technologií a přístupů k řešení obtížných problémů reálného světa.

Požadované prerekvizitní znalosti a dovednosti

  • Programování v jazycích C++ nebo Java.
  • Základní znalosti z diferenciálního počtu a teorie pravděpodobnosti.

Literatura studijní

  1. Mehrotra, K., Mohan, C. K., Ranka, S.: Elements of Artificial Neural Networks, The MIT Press, 1997, ISBN 0-262-13328-8
  2. Munakata, T.: Fundamentals of the New Artificial Intelligence, Springer-Verlag New York, Inc., 2008. ISBN 978-1-84628-838-8
  3. 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

Literatura referenční

  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. Mehrotra, K., Mohan, C., K., Ranka, S.: Elements of Artificial Neural Networks, The MIT Press, 1997, ISBN 0-262-13328-8
  3. Munakata, T.: Fundamentals of the New Artificial Intelligence, Springer-Verlag New York, Inc., 2008. ISBN 978-1-84628-838-8  
  4. Rutkowski, L.: Flexible Neuro-Fuzzy Systems, Kluwer Academic Publishers, 2004, ISBN 1-4020-8042-5
  5. Russel,S., Norvig,P.: Artificial Intelligence, Prentice-Hall, Inc., 1995, ISBN 0-13-360124-2, third edition 2010, ISBN 0-13-604259-7

Osnova přednášek

  1. Úvod. Biologický a umělý neuron, umělé neuronové sítě. Základní modely neuronů, Adaline a Perceptron.
  2. Neuronové sítě Madaline a BP (Back Propagation). Neuronové sítě s proměnnou topologií. 
  3. Neuronové sítě RBF a RCE. Topologicky organizované neuronové sítě, soutěživé učení, Kohonenovy neuronové sítě/mapy.
  4. Neuronové sítě CPN, LVQ a ART.
  5. Neuronové sítě jako asociativní paměti (Hopfield, BAM, SDM).
  6. Řešení optimalizačních problémů neuronovými sítěmi. Stochastické neuronové sítě, Boltzmannův stroj.
  7. Genetické algoritmy. 
  8. Optimalizační algoritmy ACO a PSO.
  9. Fuzzy množiny, fuzzy logika, fuzzy inference.  
  10. Pravděpodobnostní usuzování, Bayesovské sítě.
  11. Hrubé množiny.
  12. Chaos.
  13. Hybridní přístupy (neuronové sítě, fuzzy logika, genetické algoritmy).

Osnova ostatní - projekty, práce

Individuální projekt - řešení konkrétního problému (klasifikace, optimalizace, asociace, řízení).

Průběžná kontrola studia

  • 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).

Zařazení předmětu ve studijních plánech

Nahoru