Detail předmětu

Soft Computing

SFC Ak. rok 2023/2024 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. Optimalizační algoritmy inspirované přírodoy. Pravděpodobnostní usuzování. Hrubé množiny. Chaos.  Hybridní přístupy (kombinace neuronových sítí, fuzzy logiky a genetických algoritmů) .

Aktuální informace

Garant předmětu

Koordinátor předmětu

Jazyk výuky

česky

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

Stránky předmětu

Cíle předmětu

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

  • 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 seznámí s optimalizačními algoritmy inspirovanými přírodou.
  • 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.

Proč je předmět vyučován

Studiem předmětu získají studenti znalosti o práci s neurčitými, nejistými a neúplnými informacemi, které jsou nezbytné pro úspěšné návrhy inteligentních systémů.

Požadované prerekvizitní znalosti a dovednosti

  • Programování v jazycích C++ nebo Java.
  • 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. Biologický a umělý neuron, umělé neuronové sítě.
  2. Acyklické a dopředné neuronové sítě, algoritmus backpropagation.  
  3. Neuronové sítě s RBF neurony. Soutěživé sítě.
  4. Neocognitron a konvoluční neuronové sítě.
  5. Rekurentní sítě (Hopfieldova síť, Boltzmannův stroj).
  6. Rekurentní sítě (LSTM, GRU).
  7. Genetické algoritmy. 
  8. Optimalizační algoritmy inspirované přírodou.
  9. Fuzzy množiny a fuzzy logika.  
  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.

Podmínky zápočtu

Nejméně 20 bodů získaných v průběhu semestru (za půlsemestrální test a projekt).

Rozvrh

DenTypTýdnyMístn.OdDoKapacitaPSKSkupInfo
Po přednáška 1., 2., 3., 4., 5., 6., 7., 8., 9., 10. výuky M104 M105 08:0010:5041 1MIT 2MIT NBIO NIDE NISY - NIDE NMAL xx Janoušek
Po zkouška 2024-01-15 E112 11:0012:50 řádná zkouška
Čt zkouška 2024-01-25 E104 11:0012:50 1. opravný termín

Zařazení předmětu ve studijních plánech

Nahoru