Soft Computing

• 26 hod. přednášky
• 26 hod. projekty

• 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 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.

• 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.

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

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

• 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

• Kriesel, D.: A Brief Introduction to Neural Networks, 2005, 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
• Russel,S., Norvig,P.: Artificial Intelligence, Prentice-Hall, Inc., third edition 2010, ISBN 0-13-604259-7

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

Nejméně 20 bodů získaných za půlsemestrální test a projekt, z toho však alespoň 5 bodů za projekt.

Výuka předmětu je realizována formou: Přednáška - 2 vyučovací hodiny týdně, Projekty - 1 vyučovací hodina týdně.

• Půlsemestrální písemný test - 20 bodů.
• Projekt - 25 bodů.
• Závěrečná písemná zkouška - 55 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).