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

čeština

Zakončení

zápočet+zkouška (písemná)

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

Studijní opory

Osnova přednášek

  1. Úvod. Výpočetní inteligence.
  2. Neuronové sítě. Gradientní sestup. 
  3. Konvoluční neuronové sítě. Hluboké učení.
  4. Rekurentní sítě pro sekvenční data. Embedding.
  5. Rekurentní sítě jako asociativní paměti, Hopfieldovy sítě.
  6. Transformer a jazykové modely.
  7. Fuzzy množiny, fuzzy k-means, fuzzy logika.
  8. Fuzzy řízení. Adaptivní neuro-fuzzy systémy.
  9. Markovský rozhodovací proces a posilované učení.
  10. Genetické algoritmy a genetické programování.
  11. Rojová inteligence. Pravděpodobnostní usuzování.
  12. Hrubé množiny. Chaos.
  13. 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

DenTypTýdnyMístn.OdDoKapacitaPSKSkupInfo
Út přednáška 1., 2., 3., 4., 5., 6., 7., 8., 9. výuky G202 12:0014:5080 1MIT 2MIT NIDE NISY - NIDE NMAL xx Janoušek
St zkouška 2027-02-03 E104 16:0017:50 3. termín
Čt zkouška 2027-01-07 E112 09:0010:50 1. termín
Čt zkouška 2027-01-28 E104 09:0010:50 2. termín

Zařazení předmětu ve studijních plánech

Nahoru