|
Lecturer(s)
|
-
Komínková Oplatková Zuzana, prof. Ing. Ph.D.
-
Li Peng, Ing. Ph.D.
-
Sahgal Divya
|
|
Course content
|
1. Introduction to artificial intelligence, soft computing and machine learning. 2. Neural networks - basic concepts. Training, validation and testing sets. Supervised networks - Perceptron, Adaline. 3. Neural networks - Multilayer forward networks, back propagation algorithm. Unsupervised networks - Hebb's training, association networks. 4. Neural networks - Unsupervised networks - ART, Kohonen network (SOM). 5. Neural networks - Introduction to deep learning systems. 6. Neural networks - applications. 7. Evolutionary computing techniques - overview of methods, basic concepts. Point-based methods - climbing algorithm, tabu search, simulated annealing. 8. Evolutionary computational techniques - Population-based methods - genetic algorithms, differential evolution. 9. Evolutionary computing techniques - swarm algorithms - SOMA. PSO. 10. Evolutionary computational techniques - symbolic regeneration - genetic programming, grammatical evolution, analytical programming. 11. Evolutionary computing techniques - applications. 12. Fuzzy theory - basic concepts, fuzzification, inference, defuzzification. If then rules. Applications. 13. Applications in the field of automatic control. 14. Credit course ("zápočet") week, consultation hour, discussion of topics for the exam.
|
|
Learning activities and teaching methods
|
|
Lecturing
|
| prerequisite |
|---|
| Knowledge |
|---|
| Knowledge from areas: Mathematics Fundamentals of Informatics |
| Knowledge from areas: Mathematics Fundamentals of Informatics |
| learning outcomes |
|---|
| 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. |
| Skills |
|---|
| 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. |
| teaching methods |
|---|
| Knowledge |
|---|
| Lecturing |
| Lecturing |
| assessment methods |
|---|
| Oral examination |
| Oral examination |
|
Recommended literature
|
-
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.
|