|
Vyučující
|
-
Komínková Oplatková Zuzana, prof. Ing. Ph.D.
-
Li Peng, Ing. Ph.D.
-
Sahgal Divya
|
|
Obsah předmětu
|
1. Úvod do umělé inteligence, softcomputingu a strojového učení. 2. Neuronové sítě - základní pojmy. Trénovací, validační a testovací množina. Sítě s učitelem - Perceptron, Adaline. 3. Neuronové sítě - Vícevrstvé dopředné sítě, algoritmus back propagation. Sítě bez učitele - Hebbovo učení, asociační sítě. 4. Neuronové sítě - Sítě bez učitele - ART, Kohonenova sítť. 5. Neuronové sítě - Úvod do deep learning systémů. 6. Neuronové sítě - aplikace. 7. Evoluční výpočetní techniky - přehled metod, základní pojmy. Point- based metody - horolezecký algoritmus, tabu search, simulované žíhání. 8. Evoluční výpočetní techniky - Population - based metody - genetické algoritmy, diferenciální evoluce. 9. Evoluční výpočetní techniky - swarm algoritmy - SOMA. PSO. 10. Evoluční výpočetní techniky - symbolická regerese - genetické programování, gramatická evoluce, analytické programování. 11. Evoluční výpočetní techniky - aplikace. 12. Fuzzy teorie - základní pojmy, fuzzyfikace, inference, defuzzyfikace. If then pravidla. Aplikace. 13. Aplikace v oblasti automatického řízení. 14. Zápočtový týden, konzultační hodina, probrání témat ke zkoušce.
|
|
Studijní aktivity a metody výuky
|
|
Přednášení
|
| Předpoklady |
|---|
| Odborné znalosti |
|---|
| Znalosti z oblastí: Matematika Základy informatiky |
| Znalosti z oblastí: Matematika Základy informatiky |
| Výsledky učení |
|---|
| definovat a popsat základní pojmy soft computingu, umělé inteligence a strojového učení. |
| definovat a popsat základní pojmy soft computingu, umělé inteligence a strojového učení. |
| vyjmenovat a popsat různé typy neuronových sítí, včetně sítí s učitelem a bez učitele, a vysvětlit jejich trénovací algoritmy. |
| vyjmenovat a popsat různé typy neuronových sítí, včetně sítí s učitelem a bez učitele, a vysvětlit jejich trénovací algoritmy. |
| definovat a vyjmenovat základní evoluční výpočetní techniky, popsat genetické algoritmy, diferenciální evoluci, rojové (hejnové) algoritmy. |
| definovat a vyjmenovat základní evoluční výpočetní techniky, popsat genetické algoritmy, diferenciální evoluci, rojové (hejnové) algoritmy. |
| definovat základní pojmy fuzzy teorie, včetně fuzzyfikace, inference a defuzzyfikace, a popsat jejich využití v praxi. |
| definovat základní pojmy fuzzy teorie, včetně fuzzyfikace, inference a defuzzyfikace, a popsat jejich využití v praxi. |
| orientovat se v možnostech aplikace soft computingu, neuronových sítí, evolučních algoritmů a fuzzy logiky v automatickém řízení. |
| orientovat se v možnostech aplikace soft computingu, neuronových sítí, evolučních algoritmů a fuzzy logiky v automatickém řízení. |
| define and describe the basic concepts of soft computing, artificial intelligence and machine learning. |
| define and describe the basic concepts of soft computing, artificial intelligence and machine learning. |
| list and describe different types of neural networks, including supervised and unsupervised networks, and explain their training algorithms. |
| list and describe different types of neural networks, including supervised and unsupervised networks, and explain their training algorithms. |
| define and list basic evolutionary computational techniques, describe genetic algorithms, differential evolution, swarm algorithms. |
| define and list basic evolutionary computational techniques, describe genetic algorithms, differential evolution, swarm algorithms. |
| define the basic concepts of fuzzy theory, including fuzzification, inference and defuzzification, and describe their use in practice. |
| define the basic concepts of fuzzy theory, including fuzzification, inference and defuzzification, and describe their use in practice. |
| be familiar with the application of soft computing, neural networks, evolutionary algorithms and fuzzy logic in automatic control. |
| be familiar with the application of soft computing, neural networks, evolutionary algorithms and fuzzy logic in automatic control. |
| Odborné dovednosti |
|---|
| aplikovat správné typy evolučních algoritmů na zadané úkoly, např. optimalizaci parametrů řídicích systémů. |
| aplikovat správné typy evolučních algoritmů na zadané úkoly, např. optimalizaci parametrů řídicích systémů. |
| realizovat jednoduché aplikace řešené pomocí evolučních algoritmů. |
| realizovat jednoduché aplikace řešené pomocí evolučních algoritmů. |
| aplikovat správné typy neuronových sítí na zadané úkoly. |
| aplikovat správné typy neuronových sítí na zadané úkoly. |
| implementovat jednoduché aplikace řešené pomocí neuronových sítí pro konkrétní úlohy v automatickém řízení. |
| implementovat jednoduché aplikace řešené pomocí neuronových sítí pro konkrétní úlohy v automatickém řízení. |
| aplikovat principy fuzzy logiky pro navrhování fuzzy řídicích systémů a rozhodovacích procesů v oblasti automatického řízení. |
| aplikovat principy fuzzy logiky pro navrhování fuzzy řídicích systémů a rozhodovacích procesů v oblasti automatického řízení. |
| integrace různých přístupů soft computingu (neuronové sítě, evoluční algoritmy, fuzzy logika) pro vývoj komplexních řešení. |
| integrace různých přístupů soft computingu (neuronové sítě, evoluční algoritmy, fuzzy logika) pro vývoj komplexních řešení. |
| apply the correct types of evolutionary algorithms to given tasks, e.g. optimization of control system parameters. |
| apply the correct types of evolutionary algorithms to given tasks, e.g. optimization of control system parameters. |
| implement simple applications solved using evolutionary algorithms. |
| implement simple applications solved using evolutionary algorithms. |
| apply the correct types of neural networks to given tasks. |
| apply the correct types of neural networks to given tasks. |
| implement simple applications solved with neural networks for specific tasks in the field of automatic control. |
| implement simple applications solved with neural networks for specific tasks in the field of automatic control. |
| apply the principles of fuzzy logic to the design of fuzzy control systems and decision-making processes in the field of automatic control. |
| apply the principles of fuzzy logic to the design of fuzzy control systems and decision-making processes in the field of automatic control. |
| integration of various soft computing approaches (neural networks, evolutionary algorithms, fuzzy logic) to develop complex solutions. |
| integration of various soft computing approaches (neural networks, evolutionary algorithms, fuzzy logic) to develop complex solutions. |
| Vyučovací metody |
|---|
| Odborné znalosti |
|---|
| Přednášení |
| Přednášení |
| Hodnotící metody |
|---|
| Ústní zkouška |
| Ústní zkouška |
|
Doporučená literatura
|
-
Koza, J. R. Genetic Programming. Cambridge : MIT Press, 1998. ISBN 0-262-11189-6.
-
Koza, John R. Genetic Programming : Darwinian Invention and Problem Solving. San Francisco : Morgan Kaufmann Publishers, 1999. ISBN 1558605436.
-
Mařík V. Štěpánková O., Lažanský J. Umělá inteligence IV. Academia, Praha, 2004. ISBN 80-200-1044-0.
-
Mařík, Vladimír. Umělá inteligence. Vyd. 1. Praha : Academia, 2001. ISBN 8020004726.
-
Novák, V. Fuzzy množiny a jejich aplikace. Praha : SNTL, 1990. ISBN 80-03-00325-3.
-
Pokorný, Miroslav. Řídící systémy se znalostní bází. Dotisk 1. vyd. Ostrava : VŠB, 1999. ISBN 8070782757.
-
Posíchal, Jiří. Evolučné algoritmy. 1. vyd. Bratislava : STU, 2000. ISBN 8022713775.
-
Šnorek, M., Jiřina, M. Neuronové sítě a neuropočítače. Praha : ČVUT, 1996. ISBN 80-01-01455-X.
-
Vysoký, Petr. Fuzzy řízení. Vyd. 1. Praha : Vydavatelství ČVUT, 1996. ISBN 80-01-01429-8.
-
Zelinka I., Oplatková Z., Šeda M., Ošmera P., Včelař F. Evoluční výpočetní techniky, principy a aplikace. 2009. ISBN 978-80-7300-218-3.
-
Zelinka, I. Umělá inteligence II.
-
Zelinka, Ivan. Umělá inteligence : neuronové sítě a genetické algoritmy. 1. vyd. Brno : VUTIUM, 1998. ISBN 8021411635.
|