Detail předmětu
Soft Computing
SFC Ak. rok 2026/2027 zimní semestr 5 kreditů
Předmět se zabývá metodami soft computingu a výpočetní inteligence, které umožňují řešit složité úlohy pomocí učení, aproximace, optimalizace a rozhodování v podmínkách neurčitosti. Důraz je kladen na přístupy využívající toleranci k nepřesnosti, neúplným informacím a přibližným řešením.
Studenti se seznámí s principy a aplikacemi neuronových sítí včetně hlubokého učení a jazykových modelů, fuzzy systémů, posilovaného učení, evolučních a rojových algoritmů a dalších metod výpočetní inteligence. Součástí předmětu jsou také pravděpodobnostní usuzování, hrubé množiny, základy teorie chaosu a hybridní přístupy kombinující různé metody.
Pozornost je věnována možnostem použití těchto metod při klasifikaci, optimalizaci, asociativním vybavování, rozhodování a řízení.
Garant předmětu
Koordinátor předmětu
Jazyk výuky
Zakončení
Rozsah
- 26 hod. přednášky
- 26 hod. projekty
Bodové hodnocení
- 55 bodů závěrečná zkouška (písemná část)
- 15 bodů půlsemestrální test (písemná část)
- 30 bodů projekty
Zajišťuje ústav
Přednášející
Cvičící
Cíle předmětu
Cílem předmětu je poskytnout studentům znalosti základních principů soft computingu a výpočetní inteligence a schopnost orientovat se v možnostech jejich použití při řešení praktických problémů.
Studenti získají přehled o hlavních skupinách metod, porozumějí jejich matematickým a algoritmickým principům a seznámí se s jejich typickými aplikacemi.
Po absolvování předmětu by studenti měli být schopni:
- Vysvětlit základní principy neuronových sítí, fuzzy systémů, posilovaného učení, evolučních a dalších probíraných metod.
- Rozlišovat různé přístupy k reprezentaci a zpracování neurčitosti, nepřesnosti a neúplných informací.
- Charakterizovat možnosti, předpoklady a omezení jednotlivých metod a posoudit jejich vhodnost pro konkrétní typ úlohy.
- Aplikovat vybrané metody při řešení praktických problémů, například klasifikace, optimalizace, asociativního vybavování nebo řízení.
- Orientovat se v možnostech kombinování různých metod v hybridních inteligentních systémech.
- Používat základní českou a anglickou odbornou terminologii příslušných oblastí.
Požadované prerekvizitní znalosti a dovednosti
- Programování v jazycích C++ nebo Python.
- Základní znalosti z diferenciálního počtu a teorie pravděpodobnosti.
Literatura studijní
- Graube, D.: Principles of Artificial Neural networks, World Scientific Publishing Co. Pte. Ltd., third edition, 2013
- Rutkowski, L.: Flexible Neuro-Fuzzy Systems, Kluwer Academic Publishers, 2004, ISBN 1-4020-8042-5
- Shi, Z.: Advanced Artificial Intelligence, World Scientific Publishing Co. Pte. Ltd., 2011, ISBN-13 978-981-4291-34-7
Literatura referenční
- 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
Studijní opory
Osnova přednášek
- Úvod. Výpočetní inteligence.
- Neuronové sítě. Gradientní sestup.
- Konvoluční neuronové sítě. Hluboké učení.
- Rekurentní sítě pro sekvenční data. Embedding.
- Rekurentní sítě jako asociativní paměti, Hopfieldovy sítě.
- Transformer a jazykové modely.
- Fuzzy množiny, fuzzy k-means, fuzzy logika.
- Fuzzy řízení. Adaptivní neuro-fuzzy systémy.
- Markovský rozhodovací proces a posilované učení.
- Genetické algoritmy a genetické programování.
- Rojová inteligence. Pravděpodobnostní usuzování.
- Hrubé množiny. Chaos.
- Rekurentní sítě se spojitým časem. Hybridní přístupy.
Osnova ostatní - projekty, práce
Samostatný individuální projekt zaměřený na řešení konkrétní úlohy s využitím vybraných metod soft computingu nebo výpočetní inteligence. Typickými oblastmi jsou klasifikace, optimalizace, asociativní zpracování informací a řízení. Součástí řešení je implementace zvolené metody a vyhodnocení dosažených výsledků.
Průběžná kontrola studia
- Půlsemestrální písemný test - 15 bodů.
- Projekt - 30 bodů.
- Závěrečná písemná zkouška - 55 bodů, minimálně však 25 bodů.
Rozvrh
| Den | Typ | Týdny | Místn. | Od | Do | Kapacita | PSK | Skup | Info |
|---|---|---|---|---|---|---|---|---|---|
| Út | přednáška | 1., 2., 3., 4., 5., 6., 7., 8., 9. výuky | G202 | 12:00 | 14:50 | 80 | 1MIT 2MIT | NIDE NISY - NIDE NMAL xx | Janoušek |
| St | zkouška | 2027-02-03 | E104 | 16:00 | 17:50 | 3. termín | |||
| Čt | zkouška | 2027-01-07 | E112 | 09:00 | 10:50 | 1. termín | |||
| Čt | zkouška | 2027-01-28 | E104 | 09:00 | 10:50 | 2. termín |
Zařazení předmětu ve studijních plánech